Thanks for sending an issue! Please fill in the following template to help quickly solve your problem.

一、问题描述 （必填）
CANN 9.1.0 版本 使用 flat_idx = sub_score_reshape.topk(total, dim=-1).indices 算子，在相同输入下，多次执行算子，有时返回结果相同，有时不相同

flat_idx = sub_score_reshape.topk(total, dim=-1).indices

代码片段：

相同输入下不同批次，有的相同，有的不同，如下所示：

二、环境信息 （可选）

昇腾硬件型号： Ascend950PR

CNN版本信息：
node-10-31-200-119(@😃:opp# cat version.info
Version=9.1.0
version_dir=cann
required_package_runtime_version=">=8.5"
required_package_ge-executor_version=">=8.5"
required_package_metadef_version=">=8.5"
required_package_asc-devkit_version=">=8.5"
required_package_bisheng-compiler_version=">=8.5"
timestamp=20260730_231653901

操作系统： x86_64

三、重现步骤 （可选）

多次运行相同的代码，

四、预期结果 （可选）

相同的输入情况下，多次运行返回的结果相同

💡 备注（选填）

定位信息参考：
运行如下代码测试发现：TopK算子正常返回最大值的，但是存在未被选中的数值中存在比选中的还大的值，

import torch
import torch_npu

def has_rank_violation(x_cpu, k, loops=200):
x = x_cpu.npu()
for _ in range(loops):
_, idx = x.topk(k, dim=-1)
torch.npu.synchronize()

    mask = torch.zeros_like(x, dtype=torch.bool)
    mask.scatter_(1, idx, True)

    selected_min = torch.where(mask, x, torch.full_like(x, float("inf"))).min(dim=-1).values
    unselected_max = torch.where(~mask, x, torch.full_like(x, float("-inf"))).max(dim=-1).values
    if bool((unselected_max > selected_min).any().item()):
        print(f"selected_max = {torch.max(selected_min)} selected_min = {torch.min(selected_min)} unselected_max = {torch.max(unselected_max)} unselected_min = {torch.min(unselected_max)}")
        return selected_min.cpu(), unselected_max.cpu()
return None

def test_npu_topk_large_quantized_duplicate_values_break_rank():
h, n, k = 2, 156025, 3160
x = torch.randint( 0, 256, (h, n),generator=torch.Generator().manual_seed(123), dtype=torch.int32,).to(torch.float32) / 256.0
assert has_rank_violation(x, k, loops=200) is not None

def test_npu_topk_large_unique_values_not_repro():
n, k = 156025, 3160
x = torch.stack([
torch.randperm(n, generator=torch.Generator().manual_seed(1)).to(torch.float32),
torch.randperm(n, generator=torch.Generator().manual_seed(2)).to(torch.float32),
]) / float(n)

assert has_rank_violation(x, k, loops=100) is None

正常优选选中大者，但是存在未被选中的数值中存在比选中的还大的值，如下图所示：