viable/strict/1788468668: [dynamo] Index bytecode constants by identity (#195622)
PyTorch Dynamo 的字节码汇编在查找 LOAD_CONST 常量时，通过线性扫描不断增长的常量元组，导致大型生成函数在常量查找上花费二次时间。该提交构建了一个身份到索引的映射表，在每次汇编时构建一次，并在追加常量时更新。对象身份作为键，因为相等的常量可能具有不同的语义，并且支持不可哈希的常量。测试通过 test/dynamo/test_bytecode_utils.py。该提交由 AI 代理协助完成。
Development
- First Reportviable/strict/1788468668: [dynamo] Index bytecode constants by identity (#195622)PyTorch Core
- Current AssessmentPyTorch 作为主流深度学习框架，其编译器性能优化反映了 AI 基础设施对编译效率的持续关注。该提交由 AI 代理协助完成，表明 AI 辅助开发在大型开源项目中的实际应用。Agent Pulse · analysis
PyTorch Dynamo 的字节码汇编器在定位 LOAD_CONST 指令时，原先通过线性扫描不断增长的常量元组，导致大型生成函数在常量查找上花费二次时间。该提交引入了一个身份到索引的映射表，在每次汇编时构建一次，并在追加常量时更新。对象身份作为键，因为相等的常量可能具有不同的语义，并且支持不可哈希的常量。测试通过 test/dynamo/test_bytecode_utils.py。该提交由 AI 代理协助完成。
该优化将常量查找从线性扫描改为基于对象身份的哈希表，将大型函数的字节码汇编从二次复杂度降为线性。对象身份作为键避免了相等但语义不同的常量冲突，并支持不可哈希常量。这暗示 PyTorch 团队在持续优化 Dynamo 的编译性能，可能对大型模型或复杂控制流的编译时间有显著影响。
PyTorch 作为主流深度学习框架，其编译器性能优化反映了 AI 基础设施对编译效率的持续关注。该提交由 AI 代理协助完成，表明 AI 辅助开发在大型开源项目中的实际应用。
该优化降低了大型模型编译时间，可能提升开发者体验，减少等待时间，从而间接提高生产力。对于依赖 PyTorch 的企业，编译效率提升可降低计算资源消耗。
未来可能看到更多针对 Dynamo 编译性能的优化，例如进一步减少内存占用或并行化汇编过程。可验证的信号是后续提交中是否出现类似的性能优化或基准测试改进。