viable/strict/1788773762: [MPS] Add naive triangular_solve for complex numbers (#195861)
PyTorch 的 MPS 后端新增了针对复数（complex64）的 naive triangular_solve 实现，因为 MPSMatrixSolveTriangular 仅支持浮点数。该实现添加了共轭标志：triangular_solve/solve_triangular 使用普通转置（transpose=True 表示 A^T，已与 CPU 验证），而 _cholesky_solve_helper_mps 在其转置求解中使用伴随（A^H），这对复数 cholesky_solve 是必需的，对实数则无操作。同时修复了非连续输出处理及输入输出必须在 MPS 上的检查，并移除了若干 xfails/backward_dtypesIfMPS。该 PR 由 Claude (Anthropic) 辅助编写，Claude Opus 4.8 共同作者。
发展脉络
- 首次出现viable/strict/1788773762: [MPS] Add naive triangular_solve for complex numbers (#195861)PyTorch Core
- 行业反馈trunk/a7a0e15894ee2c285d5065c3672291a19b0a8091: [MPS] Add naive triangular_solve for complex numbers (#195861)PyTorch Core
- 当前判断PyTorch 持续扩展 MPS 后端的复数支持，表明 Apple Silicon 在 AI 训练和推理中的重要性日益增加。通过自定义 Metal kernel 填补 MPSMatrixSolveTriangular 的空白，反映了框架层面对硬件特定优化的需求。Agent Pulse · 分析
PyTorch 的 MPS 后端新增了针对复数（complex64）的 naive triangular_solve 实现，因为 MPSMatrixSolveTriangular 仅支持浮点数。该实现添加了共轭标志：triangular_solve/solve_triangular 使用普通转置（transpose=True 表示 A^T，已与 CPU 验证），而 _cholesky_solve_helper_mps 在其转置求解中使用伴随（A^H），这对复数 cholesky_solve 是必需的，对实数则无操作。同时修复了非连续输出处理及输入输出必须在 MPS 上的检查，并移除了若干 xfails/backward_dtypesIfMPS。该 PR 由 Claude (Anthropic) 辅助编写，Claude Opus 4.8 共同作者。
该实现为 MPS 后端添加了复数 triangular_solve 支持，通过自定义 Metal kernel 绕过 MPSMatrixSolveTriangular 仅支持浮点的限制。关键设计是引入共轭标志：triangular_solve 使用普通转置（A^T），而 cholesky_solve 的辅助函数使用伴随（A^H），这确保了复数 cholesky_solve 的正确性。此外，修复了非连续输出的处理，并强制输入输出在 MPS 上，移除了相关 xfails。
PyTorch 持续扩展 MPS 后端的复数支持，表明 Apple Silicon 在 AI 训练和推理中的重要性日益增加。通过自定义 Metal kernel 填补 MPSMatrixSolveTriangular 的空白，反映了框架层面对硬件特定优化的需求。
该改进使 PyTorch 在 Apple Silicon 上支持更广泛的数值计算，特别是复数域，有利于科学计算和信号处理等领域的用户。同时，通过移除 xfails 和修复 bug，提升了 MPS 后端的稳定性和可用性，降低了开发者在 Mac 上进行 AI 开发的门槛。
后续可关注 PyTorch 是否将复数支持扩展到其他线性代数操作，以及是否会有更多自定义 Metal kernel 以提升 MPS 后端的完整性和性能。