今日开源技术热点新闻资讯
日期：2026 年 09 月 28 日
核心总览：
今日最值得关注的是编译器与硬件后端的正确性攻坚：LLVM 推进 legal 语义与成本模型（共享输入归约的 unroll-and-jam 感知选择、WebAssembly externref 指针语义），Triton/TileLang 则通过单 lane 扫描前缀修复与异步数据搬运统一降低卷积与 GEMM 管线的错误与开销；与此同时，PyTorch 生态正把设备抽象与算力查询补齐到 XPU 等非 CUDA 后端，torch-xpu-ops 新增 float8 scatter fill 并允许 Clang 作 host 编译器。另一项重要变化来自 RISC-V 与 AI 基础设施：RuyiSDK 0.53 引入二进制包 ABI 兼容检测、Spike 新增 --paddr-bits 以对齐真实核物理地址，而 NVIDIA DSX MaxLPS 用动态配电把 AI 工厂每瓦吞吐从 4.10 提升至 6.12 tokens/s/W——显式硬件语义与功耗效率正在成为同一主线。
一、PyTorch 生态核心动态
内容摘要：
PyTorch 的 Kumaraswamy 分布采样越界问题获新进展：该分布定义在开区间 (0,1)，但 sample() 因底层 Uniform 取 [0,1) 可生成样本值 1，导致 log_prob 返回 nan。首帖指出根因并给出百万次采样复现代码，今日原帖作者回复称已困扰数日，将尝试社区实现方案并在后续工作中致谢，问题已有可用修复方向。
内容摘要：
PyTorch 将 torch-xpu-ops 依赖更新至 intel/torch-xpu-ops@5934d4：XPU 后端新增 float8 scatter fill、where_xpu 无符号整型支持，XPU MemPool 注册 SymmetricMemory 分配器，并允许 Clang 作为 XPU host 编译器。同时修复 col2im 内核硬编码 local_range=1 的性能问题，推进 DepthwiseConv2d、AdaptiveMaxPooling3d 等内核迁移至 SYCL free function，为 Windows 构建做准备。
内容摘要：
PyTorch 重构设备内存池接口：在 device_interface 新增 get_mempool_type、begin_allocate_to_pool、end_allocate_to_pool、release_pool 四个接口，把 begin/end_mempool 中的 torch.cuda.memory._cuda 调用改走 device_interface，并删除 _get_mempool_by_index、让 torch.cuda.MemPool 采用新接口，为内存池支持多后端设备铺路。
内容摘要：
XPU 上 Inductor 的 flop counter 对编译后的 mm 算子返回 0 FLOPs，导致 TestSchedulerXPU.test_flop_counter_op 失败，根因是缺少非 CUDA 回退路径。修复方案是按设备信息补齐算力查询，使 XPU 也能报告正确的 FLOPs 值。
二、LLVM/MLIR 最新进展
内容摘要：
LLVM 提议将最低 CMake 版本从 3.21 升至 3.31（面向 LLVM 24），因各发行版 LTS 已默认提供 3.31+，可解锁生成器表达式、header/module 支持、链接器 flag 处理与 C++26。新回复指出该升级已破坏 Windows 上 Rust 构建：CMake 3.29 起 Windows 下的 CMAKE_FIND_LIBRARY_PREFIXES 加入 lib 前缀，get_library_name 剥离后致 llvm-config --system-libs 输出 xml2s 而非 libxml2s，MSVC 链接器不补前缀而报错，社区已提交修复 PR。
内容摘要：
LLVM Discourse 提议为共享输入归约（如卷积多输出通道复用 input[r]）增加合法性感知的 unroll-and-jam 选择：普通全展开会把共享访存拆到不同循环致 CSE 失效，而 loopUnrollJamByFactor() 可将两路累加器置于同一迭代暴露复用，实测 ConvMixer 降约 56%、RepVGG 24%、Res2Net 25%，故需保守合法性判断而非无条件应用。
内容摘要：
LLVM/Clang 提出 WebAssembly externref 指针 RFC：新增 WebAssemblyTableType AST 节点与 wasmtable 属性，支持 _externref_t 全局、数组及指针，解引用译为 table.get/table.set；新增 R_WASM_EXTERNREF_TABLE_INDEX* 重定位、dylink.0 的 EXTERNREFS 子节与符号标志，由 wasm-ld 合成 __externref_table 并划分 bss/stack/heap，解决多库无法共享表索引与类型不安全问题，为 Rust externref 支持铺路。
内容摘要：
clangd 的 Tweak、FeatureModule、clang-tidy check 目前只能静态链接进二进制。RFC 提议支持动态插件：用 export_executable_symbols_for_plugins 导出符号并开启 CMake SUPPORT_PLUGINS，新增 -load=插件.so 选项，共享库借既有注册表注册，便于树外构建分发自定插件、免维护 fork 并加快迭代。
内容摘要：
LLVM 社区就 Renesas SuperH 后端 RFC 展开讨论：提案方称已支持 SH1/SH2、目标覆盖 SH1-4a，全部代码为手工编写且未用 AI，附仿真器及草稿 PR。维护者担忧该目标缺乏厂商支持、依赖单一开发者，并援引 m68k 后端疏于维护的反面案例，建议要求新目标具备多个活跃维护者。
三、Triton & TileLang 技术动态
内容摘要：
TileLang 重构 #3275 分离逻辑 tile 展开与物理 lowering，统一异步数据搬运与 transfer-aware lowering。CUDA/CPU/Metal/ROCm/WebGPU 管线在调度前暴露逻辑访存，SIMT im2col 走此路径；共享 transfer 分析驱动流水线预取、warp 特化与 async-copy 注入，支持多异步生产者 wait 规划，提升卷积与 Bounded GEMM 性能，仍属实验性。
内容摘要：
修复单 lane 扫描轴在多 block 场景下的前缀计算错误：扫描轴仅一线程持有数据但存在多个 block 时，AddPartialReduceOneWarp 误将已含当前 chunk 的运行总和用于该 chunk 剩余部分，导致 4x4 沿轴 0 的 cumsum 第 2 行返回 37 而非 15。改为使用前序 block 的总和，并将相关布局加入 test_scan_layouts。
内容摘要：
TileLang 修复 ThreadPartialSyncRewriter::ProcessSharedSync 的部分同步降级逻辑：现将跳过 barrier 降级的条件收紧为每个计算线程轴的 extent 必须与其声明 domain extent 完全一致，此前只要部分匹配即跳过。新增 CUDA 测试验证 less_than_kernel 与 floor_div_kernel 两种等价部分线程守卫生成相同 sync，提升生成代码同步一致性。
四、AI 业界重磅新闻
内容摘要：
NVIDIA与Nscale在冰岛用GB300 NVL72跑Kimi K2.5，对比静态140与DSX MaxLPS动态配电192 GPU（同264.4kW）。动态配电使归一化总吞吐提升49.2%，每瓦吞吐从4.10升至6.12 tokens/s/W，中位与P75时延仍在基线5%内，但P99首token时延升高17%。
内容摘要：
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，将实时视频生成与语音对话原生结合，实现带唇同步、自然表情与流畅轮次切换的视觉化对话，已上线 Gemini Enterprise。其异步工具调用可在对话中后台取数，支持 97 种语言无缝切换，输出统一嵌入 SynthID 水印。