变更摘要

此 PR 对 InitTensorSliceState 函数引入维度合并（coalesce）逻辑，使其切分行为与 PyTorch 对齐。核心改动在于：先将原始 shape 和 strides 提取到临时数组，然后依次剔除大小为 1 的维度、合并连续相邻维度，最终将合并后的结果写入 TensorSliceState，从而减少冗余维度并简化后续的 tensor 分块计算。

主要改动

• 引入维度合并预处理: 新增 rawShape / rawStrides 临时数组存储原始维度信息，再通过 coalescedShape / coalescedStrides 进行合并，解耦了原始 shape 读取与 state 写入，便于插入合并步骤。
• 剔除大小为 1 的维度: 遍历 rawShape 时跳过 rawShape[dim] == 1 的维度，不将其计入 coalescedShape，使合并后的 state.ndim 减少，避免无效维度参与后续分块运算。
• 合并连续维度: 从高维向低维遍历，当 coalescedShape[dim] * coalescedStrides[dim] == coalescedStrides[dim - 1] 时，将两个连续维度合并为一个，并压缩数组，进一步减少 coalescedNdim，对齐 PyTorch 将连续维度折叠为单维度的行为。
• 全 1 维度保护: 当所有维度均为 1 导致 coalescedNdim == 0 时，设置 coalescedShape[0] = 1、coalescedStrides[0] = 1、coalescedNdim = 1，确保标量或全 1 张量场景下状态合法。

代码审查

基于对 random/random_common/op_host/arch35/random_tiling_arch35.cpp 的详细审查，我已逐行分析了 InitTensorSliceState 中新增的 coalesce 逻辑，并追踪了其对 TensorSliceState 的全部消费者（GetMaxOffsetBytes、Is32bitIndexable、GetDimToSplit、ReduceDimExtent、PartitionDim、CalcSplitBlocks）的影响。

审查结论：本 DIFF 没有引入可报告的缺陷。

具体来说：

1. size-1 维度移除（第 111-118 行）：正确地从 rawShape/rawStrides 中过滤掉大小为 1 的维度，保留其余维度的形状和步长关系。

2. 全 1 维度边界处理（第 119-123 行）：当所有维度都是 size-1（coalescedNdim == 0）时，正确降级为 shape=[1], strides=[1], ndim=1 的一维张量。

3. 相邻维度合并（第 124-134 行）：合并条件 coalescedShape[dim] * coalescedStrides[dim] == coalescedStrides[dim - 1] 正确检测行主序连续维度；合并后的 shape 乘积、stride 继承和元素移位逻辑均正确。循环从最内层向外层推进，合并后的维度能在下一轮迭代中被继续检测，不会遗漏可合并维度对。

4. 与消费者的契约一致性：

   • GetMaxOffsetBytes：coalesce 前后对同一个连续张量返回相同字节偏移（已验证 shape [2,3,4] → coalesced [24]）。
   • GetDimToSplit：coalesce 后 ndim 减少，但最大跨度的维度选择结果一致。
   • PartitionDim / ReduceDimExtent：使用 coalesced 后的 shape/strides 计算 gmOffset 与 numel，产生与原始维度表示相同的 gmOffset 和 numel。
   • CalcSplitBlocks：仅依赖 numel 和 gmOffset 填充分块信息，coalesce 不会改变这些关键值。

5. 数组越界：所有数组访问均受 MAX_TENSOR_DIMS（=8）或 coalescedNdim 约束，移位循环的边界 coalescedNdim - 1 在递减前求值，安全。

6. 无死代码、无资源泄漏、无签名不匹配。

审查总结：

• 审查文件数：1
  • random/random_common/op_host/arch35/random_tiling_arch35.cpp：无问题
• 各优先级发现数：P0: 0, P1: 0, P2: 0, P3: 0
• 整体风险评估：此变更逻辑正确，与现有调用链契约一致，风险低。

⚠️ 已识别出整体风险，但无法提取行内评论，请参考整体评估。

CLA Signature Pass

liangtongxue, thanks for your pull request. All authors of the commits have signed the CLA. 👍

Thanks for your pull-request.
The full list of commands accepted by me can be found at here。
You can get sig-info at here

PR Approval Progress

✅ Congratulations! All modules have met the lgtm and approve requirements.

Module Approval Details

💡 Tip:

• Committer can comment /approve or /lgtm
• Commenting /approve implies both code review (lgtm) and intent to merge (approve)

compile

流水线任务触发成功
任务链接 [f05818077bd241448acf07a8df3e286f][流水线指导]

[2026-07-10 12:53:13]    CI执行结束

流水线任务触发成功
任务链接 [d774b4b59f2a4c16a72a4ad15eb53eea][流水线指导]

[2026-07-10 12:48:12]    CI执行结束

/lgtm

/check-pr

The following labels are not ready.

lgtm: Please wait for reviewers to review the code.

approved: Please wait for committers to review the code.

/lgtm
/approve

/approve