【合入来源】

https://gitcode.com/Ascend/pytorch/issues/1579
请勿携带内部流程信息（需求链接、问题单、内部issue等）

• issue/工单

【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）

用例设计原则
本次验证结合官方用例复用与自定义用例补充的方式，遵循 “最小化、核心化、针对性” 原则，核心思路为：

1. 补充缺失用例：针对Parameter、Buffer两个无官方单独用例的 API，自定义极简测试用例，覆盖核心功能；
2. 聚焦核心功能：仅验证每个 API 的基础操作与 NPU 适配核心点，不涉及边缘场景与复杂计算，确保结果反映 API 本身适配状态；
3. 贴合 NPU 特性：所有用例均重点校验设备迁移一致性、容器操作有效性、属性正确性等 NPU 场景关键需求；
4. 轻量化设计：单个测试方法仅验证一个核心功能点，逻辑清晰、执行高效，便于问题定位。
   验证用例核心验证点
   在 NPU（npu:0）环境下，覆盖 2 个 API 的核心功能及实际使用场景，Parameter、Buffer通过自定义用例补充验证点，整体验证点如下：
5. Parameter：验证直接在 NPU 上创建、核心属性（requires_grad）修改、data数据操作、设备一致性校验；
6. Buffer：验证直接在 NPU 上创建、persistent双属性配置、模块注册后在state_dict中的存在性、设备一致性校验；

【资料变更】

不涉及

【接口变更】

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

整体结论:
本次验证通过 补充自定义用例的方式，在 NPU（npu:0）环境下完成 2 个核心 API 的全量验证，用例均执行成功，核心功能全覆盖，基础能力与操作逻辑均正常可用。

核心功能验证结果：

1. Parameter：支持直接在 NPU 创建设备对象，requires_grad属性可灵活修改，data数据操作正常，设备一致性校验通过，核心属性与操作均符合预期；
2. Buffer：支持直接在 NPU 创建设备对象，persistent=True/False双属性配置生效，模块注册后在state_dict中的存在性符合规则，设备一致性校验通过；

用例合理性说明：自定义用例虽简洁，但具备充分有效性与合理性。

1. 自定义用例精准补全：Parameter、Buffer的自定义用例聚焦无官方用例覆盖的核心功能，贴合实际业务使用方式，验证结果具备业务参考价值；
2. 适配操作最小化：对自定义用例仅做设备指定的最小化适配，确保验证结果能真实反映 API 本身的 NPU 适配状态；
3. 符合官方规范：自定义用例基于 PyTorch 官方测试框架开发，使用原生断言方法，与官方用例测试标准保持一致；

运行日志
[root@hostname-fqv42:~/torchnpuapi# python /root/torchnpuapi/test_nn_api.py
..

Ran 2 tests in 5.263s

OK
root@hostname-fqv42:~/torchnpuapi#

【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