变更摘要

本 PR 在 autofuse/examples/af_sft_benchmark/ 下新增了一套完整的 Qwen3-1.7B SFT AutoFuse 融合收益 benchmark 示例，共 5 个文件（包括 1 个模板文件），总计 +1883 行。该示例实现了从环境自动检测与配置、依赖下载、权重/数据集获取，到 AF ON/OFF 双侧训练、profiling 采集、融合 kernel 分类解析及最终 Markdown 实验报告生成的端到端自动化流程。所有改动均为新增，不涉及 AutoFuse 核心逻辑或外部组件源码的修改。

主要改动

• 一键环境准备 (setup.sh): 新增 538 行的 8 步环境自动配置脚本，自动检测 NPU 硬件（npu-smi）、CANN runtime/opp 路径（含 torch_npu 兼容性验证）、Python venv，并按需 clone torchtitan-npu 和 torchair（固定 commit 3c9418c2），下载 Qwen3-1.7B 权重与 Wordle 数据集，最终生成 env.sh 供后续脚本使用。

• 多模式训练与 Profiling 编排 (run_benchmark.sh): 新增 182 行的执行脚本，支持 af_off、af_on、profiling、profiling_off、debug 和 all 六种运行模式；all 模式自动串联全部子模式并调用 generate_report.sh 生成最终报告，训练参数通过 --steps、--global-batch-size 可配置。

• Profiling 数据解析与融合 kernel 分类 (parse_profiling.py): 新增 454 行的 Python 解析工具，读取 ASCEND_PROFILER_OUTPUT 下的 op_statistic.csv 和 step_trace_time.csv，支持单目录解析与 AF OFF/ON 对比模式；对 autofused 前缀的融合 kernel 按功能归类（RMSNorm forward/backward、RoPE、residual/elementwise、格式转换），输出 step 级对比、算子总览、Top N 算子及融合收益来源分析。

• 实验报告自动生成 (generate_report.sh): 新增 400 行的报告生成脚本，从训练日志中解析 step 级指标（tps、loss、mfu、显存等），结合 profiling 数据调用 parse_profiling.py 输出融合结构分析，生成包含实验背景、环境、配置、性能对比、正确性验证、逐 step 数据和结论的 results.md 报告。

• 环境配置模板 (env.sh.template): 新增 37 行的参考模板，定义 CANN_RUNTIME_PATH、ASCEND_OPP_PATH、PYTHON_VENV、TORCHTITAN_DIR、NGPU 和 LOG_RANK 等关键环境变量格式，供用户了解 setup.sh 生成的 env.sh 结构。

代码审查

我已经完成了对所有 10 个文件的审查。以下是最终的审查汇总。

审查总结

共发现 3 个问题：P2 = 1, P3 = 2。

• P2：generate_report.sh 内嵌 Python 通过 stdin 执行，__file__ 不可靠，导致 parse_profiling.py 定位失败，报告缺失融合结构分析章节。
• P3：generate_report.sh 第 267 行 tflops 变化率计算未做除零保护（与同类计算的防护模式不一致）。
• P3：setup.sh 第 258 行验证 torch_npu 导入时误用系统 python3 而非 venv 内的 Python。

整体风险评估：低。 该 PR 是新增的 benchmark 示例代码，不修改 AutoFuse 核心逻辑。三个问题均为工具/脚本层面的防御性缺陷，在实际正常使用场景中触发概率较低，不影响训练正确性或数据安全。建议在上线前修复 P2 问题以避免用户在非标准目录下运行时报告不完整。

💬 仅评论

/lgtm

/approve