viable/strict/1787231279: [MPS] fail loudly on large reductions (#194082)
PyTorch 2.14 将多种归约操作从 MPSGraph 迁移到 Metal kernels，导致在 torch 2.13 中本应报错的超大张量归约（如 max、min、sum）在 2.14 中静默失败，返回错误结果（如 argmax 返回 0 而非 4294971391）。该 PR 使这些操作在 2.15.0a0 中重新大声报错，提示 64 位索引不受支持。
发展脉络
- 首次出现viable/strict/1787231279: [MPS] fail loudly on large reductions (#194082)PyTorch Core
- 当前判断PyTorch 作为主流深度学习框架，其 MPS 后端的稳定性对 Apple 生态的 AI 开发有直接影响。静默失败问题可能导致用户在生产环境中得到错误结果而难以察觉，该修复体现了框架对错误可观测性的重视。未来，随着模型规模增大，64 位索引支持可能成为 MPS 后端的重要改进方向。Agent Pulse · 分析
在 PyTorch 2.13 中，MPS 后端的不同归约操作对超大张量（numel 超过 INT_MAX）的处理方式不一致：max、min、sum 会大声报错，而 argmax、argmin、any、all 会静默返回错误结果。在 2.14 版本中，归约操作从 MPSGraph 迁移到 Metal kernels，导致所有此类操作都静默失败，这被认为是不理想的。该 PR 修复了这一问题，使这些操作在 2.15.0a0 中重新大声报错，明确提示 64 位索引不受支持。
该 PR 表明 PyTorch MPS 后端在归约操作上对超大张量的处理存在不一致性，且迁移到 Metal kernels 后静默失败问题加剧。修复方式是显式检查张量 numel 是否超过 32 位索引范围，并抛出明确错误。这提示开发者在使用 MPS 后端处理大规模归约时需注意 64 位索引限制，并建议在代码中主动检测此类情况以避免静默错误。
PyTorch 作为主流深度学习框架，其 MPS 后端的稳定性对 Apple 生态的 AI 开发有直接影响。静默失败问题可能导致用户在生产环境中得到错误结果而难以察觉，该修复体现了框架对错误可观测性的重视。未来，随着模型规模增大，64 位索引支持可能成为 MPS 后端的重要改进方向。
该修复降低了 MPS 后端在大型归约任务中静默出错的风险，提升了 PyTorch 在 Apple 硬件上的可靠性，对依赖 MPS 进行模型训练或推理的企业用户具有直接价值，可减少因错误结果导致的调试成本和潜在损失。
可验证的下一信号：PyTorch 后续版本是否会在 MPS 后端支持 64 位索引，或提供更详细的错误信息。开发者可关注 PyTorch 官方发布说明中关于 MPS 后端对大型张量支持的更新。