【合入来源】

(如有)请关联需求文档/issue链接
关联 issue: #2469（https://gitcode.com/Ascend/pytorch/issues/2469）

• 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. 调整 torch_npu/npu/_graph_tree.py 中 ACLGraph update 的 record 流程：在 capture 前只解析 aclgraph_update_plan 得到 CPU update payload，不再通过 list(inputs) 持有 recording private-pool Tensor；capture 后完成输出记录和 checkpoint 相关流程，并在 ACLGraph update 前校验 graph dispatch records，避免 checkpoint 前引入 update_stream 相关 event。
2. 保持 run 路径的执行语义：先根据 new_inputs resolve update payload，再更新 ACLGraph records，随后执行输入 copy 与 graph replay；update payload 为 CPU 侧参数，不依赖 replay 输入数据 copy 后的内容。
3. 收敛 torch_npu/npu/_aclgraph_update_plan/resolver.py 内部接口：update_aclgraph_records_for_graph 只接收已解析的 cpu_update_input 和 graph，删除冗余的 prepare_aclgraph_update_input_for_graph / submit_aclgraph_update_input_for_graph 导出。

【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"

不涉及客户面接口变更；仅调整 torch_npu.npu._aclgraph_update_plan 私有模块内部函数组织。

【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

已在各版本 fix 分支执行基础静态验证：

python -m py_compile torch_npu/npu/_aclgraph_update_plan/resolver.py torch_npu/npu/_aclgraph_update_plan/__init__.py torch_npu/npu/_graph_tree.py
git diff --check HEAD^ HEAD -- torch_npu/npu/_aclgraph_update_plan/resolver.py torch_npu/npu/_aclgraph_update_plan/__init__.py torch_npu/npu/_graph_tree.py
grep -R -n "prepare_aclgraph_update_input_for_graph\|submit_aclgraph_update_input_for_graph" torch_npu/npu/_aclgraph_update_plan torch_npu/npu/_graph_tree.py --exclude-dir=__pycache__

【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