环境

• Atlas 800T A2 / 910B3 / CANN 9.1.0 / Python 3.12 (aarch64)
• torch 2.7.1+cpu + torch_npu 2.7.1.post8 + triton-ascend 3.2.2+release20260701 + torch-mlir 0.0.1 + torchair 0.1

使用 inductor 系列后端（Triton / MLIR / DVM）跑 distilbert-base-uncased 时遇到三个环境类问题，官方安装/快速开始文档均未提示，建议补充：

1. 环境变量 CI=true 会触发 inductor make_fallback 断言

许多开发/CI 镜像默认带 CI=true，会让 inductor 的 make_fallback 走 CI 严格断言（本机在 aten.frexp 处直接中断）。必须先 env -u CI 再运行 torch.compile 才能正常编译，建议文档显式提示。

2. 低内存环境编译大模型必须单线程，否则 OOM Kill

内存 2GB（含 swap）环境用 inductor 编译 distilbert 这类模型，默认并行编译会被 OOM Kill（退出码 137）；设置 TORCHINDUCTOR_COMPILE_THREADS=1 后正常，实测单模型首次编译约 5 分钟（MLIR 后端 HFusion 全图编译约 27 分钟）。建议文档给出最低资源建议与该环境变量说明。

3. 三个后端获取/安装渠道分散，新手难以一次跑通

• Inductor-MLIR：依赖 torch-mlir wheel（oepkgs 归档站点），调用方式 options={"npu_backend":"mlir"}；
• Inductor-DVM：torch_npu wheel 内置，但需在 import torch 前设置 TORCHINDUCTOR_NPU_BACKEND=dvm；
• TorchAir-GE：需从 gitcode 拉源码 bash configure && cmake && make install_torchair。

建议统一提供一张“后端 — 包名 — 获取来源 — 必需环境变量 — 调用示例”对照表。

实验环境（众测任务实测）

• Atlas 800T A2 / 910B3 / CANN 9.1.0 / Python 3.12 (aarch64)
• torch 2.7.1+cpu + torch_npu 2.7.1.post8（部分场景 2.9.0.post8）
• 说明：本 Issue 原建于生态仓 pytorch-ecosystem，按众测最新通知（Issue 统一在代码仓 Ascend/pytorch 提交）迁移至此。