【合入来源】

(如有)请关联需求文档/issue链接

• 需求
• 问题单
• issue/工单
• 重构优化
• 资料更新

【修改方案】

请描述修改内容的具体实现，涉及哪些组件之间进行交互，可以用1、2、3、...进行罗列
如果是需求或者重构类的PR，需要补充详细设计文档（说明上下游组件关系、时序图、类图、DFX能力等内容）

1. 修复 patch_get_first_incompatible_cudagraph_node monkey patch 不生效的问题（torch_npu/_inductor/utils.py）：

   • 去除 compile_fx 和 cudagraphs 模块 patch 时的 hasattr 条件判断，改为直接赋值覆盖，因为 torch_npu 与 torch 是固定版本匹配的，不需要兼容性判断
   • 新增对 torch_npu.utils._graph_tree 模块的 patch：该模块通过 from torch._inductor.utils import get_first_incompatible_cudagraph_node 拿走了原始引用，必须显式覆盖该模块命名空间中的引用，否则 npugraphs 后端无法正确检测 cudagraph-unsafe 算子

2. 修复 _graph_tree.py 中的代码格式问题（torch_npu/npu/_graph_tree.py）：

   • 清理行尾多余空格

3. 新增 ACL graph 特殊算子的测试用例（test_acl_graph_special_op.py）：

   • test_masked_assign_forward：验证 tensor[bool_mask] = -1（aten.index_put_ with bool indices）在 inductor 后端 cudagraphs 模式下被正确检测为 cudagraph-unsafe 并回退到 eager 执行，支持 float32/float16 参数化测试
   • test_masked_assign_forward_backward：验证包含 bool index_put 的前向+反向传播在 inductor 后端下的正确性
   • test_npugraphs_masked_assign_forward：同上，使用 npugraphs 后端验证
   • test_npugraphs_masked_assign_forward_backward：同上，使用 npugraphs 后端验证前向输出和梯度正确性

【资料变更】

请确认是否涉及资料变更。如涉及，需要在PR中体现，并简要说明修改内容。如不涉及，需填写"不涉及"

不涉及

【接口变更】

请确认是否涉及跨代码仓或者客户面可见的接口变更。如涉及，需要详细说明接口以及对应的变更内容，同时需要在资料中体现。如不涉及，需填写"不涉及"

不涉及

【功能验证】

说明测试场景，测试方法。如果本次测试方式与常规单元测试不同，请详细说明您的测试步骤
新增/变更内容是否已新增/适配UT测试用例看护，并补充测试自验证截图

已新增 UT 测试用例 test_acl_graph_special_op.py，覆盖以下场景：

• inductor 后端 + cudagraphs：bool index_put 前向（float32/float16）、前向+反向
• npugraphs 后端：bool index_put 前向（float32/float16）、前向+反向
• 测试方法：torch.compile 编译后与 eager 模式对比输出和梯度一致性

【CheckList】

PR提交人对以下CheckList自检项进行全量自检，自检通过或不涉及，均修改 [ ] 为 [x]

• 代码注释完备，正确记录错误日志
• 代码实现进行了返回值、空指针等校验
• PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等
• PR持续集成流水线（CI）执行通过，代码检查无异常