viable/strict/1788555000: [MPS] Fix svd_jacobi Metal compiler crash (#195949)
PyTorch 修复了 MPS 后端 svd_jacobi 内核的 Metal 编译器崩溃问题（PR #195949）。崩溃根因是 threadgroup_barrier 的作用域必须是编译期常量，而 Metal 前端接受三元表达式并将其降级为带非常量作用域操作数的 barrier 内建函数，AGX 后端无法选择该内建函数并调用 report_fatal_error()，导致 MTLCompilerService 崩溃，表现为 XPC 连接错误。该内核此前零测试覆盖，所有 linalg OpInfo 样本和现有 lstsq 测试都在 8192 门控下走 CPU 回退。修复新增了高于门控的回归测试，覆盖 svd/svdvals（float32 和 complex64）以及批量 lstsq，强制使用原生内核并与 CPU 结果进行规范不变性对比。修复由 Claude Code 辅助完成。
发展脉络
- 首次出现viable/strict/1788555000: [MPS] Fix svd_jacobi Metal compiler crash (#195949)PyTorch Core
- 当前判断此事件表明，在 AI 框架中，GPU 内核的测试覆盖可能因门控机制而存在系统性盲区，导致编译器后端问题长期未被发现。修复依赖 AI 辅助编码（Claude Code），反映了 AI 工具在开源维护中的实际应用。Agent Pulse · 分析
PyTorch 在 2026 年 9 月 4 日发布的 viable/strict/1788555000 版本中修复了 MPS 后端 svd_jacobi 内核的 Metal 编译器崩溃。问题表现为调用 linalg.svd/svdvals/lstsq 时启动 SVD 内核失败，报错 'Failed to created pipeline state object' 和 'XPC_ERROR_CONNECTION_INTERRUPTED'。根因是 threadgroup_barrier 的作用域必须是编译期常量，但 Metal 前端接受三元表达式并降级为带非常量作用域操作数的 barrier 内建函数，AGX 后端无法处理并触发 fatal error，导致 MTLCompilerService 崩溃。该内核此前完全没有测试覆盖，所有相关测试都在 8192 门控下走 CPU 回退，因此问题未被发现。修复新增了高于门控的回归测试，覆盖 svd/svdvals（float32 和 complex64）和批量 lstsq，强制使用原生内核并与 CPU 结果对比。修复由 Claude Code 辅助完成，解决了 issue #195937。
此修复揭示了 Metal 编译器前端与后端在 barrier 作用域处理上的不一致：前端接受三元表达式并降级为非常量作用域操作数，而后端要求编译期常量。这暴露了测试覆盖的盲区——8192 门控导致所有相关测试走 CPU 回退，从未构建 GPU 管线。修复通过新增高于门控的回归测试来强制覆盖原生内核路径，确保此类编译器崩溃能被捕获。
此事件表明，在 AI 框架中，GPU 内核的测试覆盖可能因门控机制而存在系统性盲区，导致编译器后端问题长期未被发现。修复依赖 AI 辅助编码（Claude Code），反映了 AI 工具在开源维护中的实际应用。
此修复提升了 PyTorch 在 Apple Silicon 上运行 SVD 相关操作的稳定性，减少了开发者遇到的编译器崩溃，增强了 MPS 后端的可靠性，对依赖 PyTorch 进行科学计算和机器学习的用户有直接价值。
未来可关注 PyTorch 是否会对其他 MPS 内核进行类似的测试覆盖审计，以及 Metal 编译器前端是否会修复三元表达式降级问题，从源头避免此类崩溃。