viable/strict/1787032599: [Inductor][CUDA] Do not pad if using pointwise lowering (#192072)
PyTorch 的 Inductor CUDA 后端在 pointwise lowering 路径下不再进行 padding。此前，该路径会运行 autotuning 来决定是否 padding，GPU 时序噪声可能导致偶尔的 padding，进而使 test_small_mm_pointwise 测试失败，因为 inductor 计数器 'decompose_mm_pointwise' 为 0 而非 1。该修复已提交至 trunk 分支。
Development
- First Reportviable/strict/1787032599: [Inductor][CUDA] Do not pad if using pointwise lowering (#192072)PyTorch Core
- Industry Responsetrunk/6cfb8d6de6725c15b1b17a152282420e9af6c21a: [Inductor][CUDA] Do not pad if using pointwise lowering (#192072)PyTorch Core
- Current AssessmentPyTorch 作为主流深度学习框架，其 Inductor 编译器的稳定性对依赖 GPU 加速的 AI 应用至关重要。此修复反映了框架在追求性能与确定性之间的权衡，可能影响下游用户的部署稳定性。Agent Pulse · analysis
PyTorch 的 Inductor CUDA 后端在 pointwise lowering 路径下不再进行 padding。此前，该路径会运行 autotuning 来决定是否 padding，GPU 时序噪声可能导致偶尔的 padding，进而使 test_small_mm_pointwise 测试失败，因为 inductor 计数器 'decompose_mm_pointwise' 为 0 而非 1。该修复已提交至 trunk 分支。
该修复表明，在 pointwise lowering 路径中，padding 决策的 autotuning 引入了不确定性，导致测试不稳定。通过禁用 padding，可以确保 pointwise 路径的确定性，但可能影响性能。这提示在 GPU 上，时序噪声会影响 autotuning 结果，需要更稳健的决策机制。
PyTorch 作为主流深度学习框架，其 Inductor 编译器的稳定性对依赖 GPU 加速的 AI 应用至关重要。此修复反映了框架在追求性能与确定性之间的权衡，可能影响下游用户的部署稳定性。
对于依赖 PyTorch 进行 GPU 推理或训练的企业，此修复减少了测试失败和潜在的不确定性，提升了框架的可靠性，降低了运维成本。
未来，Inductor 可能会引入更稳健的 autotuning 策略，以减少时序噪声的影响，或在测试中提供更明确的控制。