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

-- CANN 版本: 9.1.0-beta.1
-- Pytorch/Torch_npu 版本: PyTorch 2.13.0 / torch_npu 2.13.0
-- Python 版本: Python 3.11.15
-- 操作系统版本: EulerOS 24.03 (aarch64)
-- NPU 型号: Ascend 910B2
-- triton-ascend 版本: 3.2.2
-- 后端开关: TORCHINDUCTOR_NPU_BACKEND=triton_experimental

🐛 问题描述

现象：torch.compile 走 triton_experimental 后端时，min/max 归约（含元素级 minimum/maximum 与按维度归约）会丢弃 NaN——输入含 NaN 时输出不含 NaN，与 eager / cuda 后端语义不一致。NaN
语义错误会导致上游训练 loss 变成 nan 时被静默掩盖。

根因：triton_experimental 的 min/max lowering 使用裸 tl.minimum/maximum，落盘为 MLIR arith.minnumf（NaN-dropping）；arith.minnumf 遇到 NaN 会丢弃它。正确做法是 tl.minimum(a, b,
tl.PropagateNan.ALL) → arith.minimumf（NaN-propagating）。

最小复现（伪代码，供定位）：

import torch
import torch_npu
import torch._inductor.config as config

config.npu_backend = "triton_experimental"

x = torch.randn(8, 8, device="npu")
x[0] = float("nan") # 让第一行全 NaN

元素级 minimum：期望输出保留 NaN，实际被丢弃

ref = torch.minimum(x, x + 1)
got = torch.compile(torch.minimum)(x, x + 1)
assert torch.equal(ref, got) # ❌ 失败：got[0] 无 NaN

按维度归约：同理，min(dim=0) 期望 NaN 传播

期望行为：min/max 语义与 PyTorch 一致，NaN 传播（torch.minimum / torch.min(dim) 遇 NaN 输出 NaN）；cuda inductor 后端即为合体 NaN 传播形式。

实际行为：NaN 被丢弃，输出不含 NaN。

影响：任何含 NaN 的输入（训练发散的常见信号）经 triton_experimental 后端后 NaN 被抹掉，正确性错误且难以察觉。

欢迎加入社区，感谢您对社区的贡献 🎉!