在提交新问题之前，请确保您已经在社区中搜索过相关问题，并使用了社区中提供的资源/工具后，仍未找到满意的解决方式。

⚠️ 安全信息提醒：请仔细检查提供的文本内容，确保其不包含敏感数据信息，包括但不限于：

• API 令牌或密钥
• 密码或身份验证凭证
• 私有网址或接口地址
• 个人或机密数据
• ...

在分享配置信息或代码示例时，请将敏感信息脱敏处理，或使用 <TOKEN> 等占位符替代原有内容。

环境信息

例如：
- 操作系统
- 昇腾硬件信息
- CANN软件版本
- 安装的对应软件版本

🐛 问题描述

总结：

┌──────────────────────────┬────────────┬─────────────────────────────────────┐
│ 实验 │ 结果 │ 说明 │
├──────────────────────────┼────────────┼─────────────────────────────────────┤
│ 原始 (golden 值含 ~0) │ 36/49 FAIL │ MARE 爆炸，max_abs_diff ~1e-6 │
├──────────────────────────┼────────────┼─────────────────────────────────────┤
│ 输出 +1.0 (golden ≥ 1.0) │ 49/49 PASS │ 同 kernel，同误差，仅 golden 远离 0 │
└──────────────────────────┴────────────┴─────────────────────────────────────┘

根因确认：kernel 的绝对精度 (~1e-6) 对 float32 FFT 是合格的，问题出在 相对误差公式中 eps=1e-7 太小，导致 rfft 的结构性零点（imag DC/Nyquist 恒为
0）和随机近零 bin 的相对误差被不合理放大。修复方向是增大 eps（如 1e-4）或提高绝对误差过滤阈值，而不是修改算子实现。

欢迎加入社区，感谢您对社区的贡献 🎉!