viable/strict/1787914523: Fix integer overflow in at::divup (#195035)
PyTorch 的 at::divup 函数在计算 (x + y - 1) / y 时存在整数溢出，导致大数时结果错误（如 divup(2, INT64_MAX) 返回 0）。修复方案使用 c10::add_overflows 检查，回退到不会溢出的形式。该问题影响 PoolingParams1D::valid_output_end，可能导致 max_pool1d 输出越界和段错误。修复在 M 系列 arm64 笔记本上验证，性能无回退。
Development
- First Reportviable/strict/1787914523: Fix integer overflow in at::divup (#195035)PyTorch Core
- Current Assessment此修复虽小，但反映了深度学习框架在边界情况下的稳健性投入。随着模型规模增大，数值边界问题可能成为稳定性隐患，框架维护者正积极修补此类潜在缺陷。Agent Pulse · analysis
PyTorch 修复了 at::divup 中的整数溢出问题。该函数用于计算向上取整除法，但 (x + y - 1) 可能溢出，导致结果错误。例如，divup(2, INT64_MAX) 返回 0 而非 1。修复通过 c10::add_overflows 检测溢出，并回退到安全形式。虽然大多数调用者传入循环范围和块数，影响是潜在的，但 PoolingParams1D::valid_output_end 中，大 stride 会导致窗口起始位置超出输入末尾，引发段错误。该修复是堆叠 PR 的一部分，单独拆分以获取独立 CI 信号。性能测试显示快乐路径无回退，测量在 M 系列 arm64 笔记本上使用 -O3 进行，通过校准的依赖加法链（约 4.4 GHz）确保准确性。
该修复展示了在基础库中处理整数溢出的典型模式：使用专用检查（c10::add_overflows）并回退到安全算法。性能测试方法值得注意：通过在同一二进制中交替运行两个变体，避免热漂移和频率变化的影响，而 A/B 测试不同构建可能引入代码布局差异，导致虚假的性能波动。
此修复虽小，但反映了深度学习框架在边界情况下的稳健性投入。随着模型规模增大，数值边界问题可能成为稳定性隐患，框架维护者正积极修补此类潜在缺陷。
该修复提升了 PyTorch 的稳定性，避免特定输入下的段错误，对依赖 PyTorch 的生产环境有积极影响，减少潜在崩溃风险。
后续可关注堆叠 PR 对 PoolingParams1D 的修复，以及该修复是否被移植到其他分支或影响其他使用 divup 的算子。