调研窗口：2026-10-30 07:00 ~ 2026-11-02 07:00（北京时间，72 小时，覆盖周末；上一期截点为 10-30 07:00）。

信源：GitHub tile-ai 组织逐仓核查（tilelang / TileOPs / TileFoundry / tilelang-ascend / tilelang-mlir-ascend / tilelang-hygon / tilelang-metax / tilelang-musa / TileRT / tilescale / DeepStack / TileOPs-nightly / 文档站）+ 合入与在审真值检索（合入 35 笔、在审更新 82 笔）+ 新增 issue 全量核对（11 条）+ 主分支逐笔提交核查（tilelang 7、TileOPs 15、TileFoundry 3、tilelang-ascend 5、tilelang-hygon 2、tilelang-mlir-ascend 1、文档站 4）+ 发布页与 tag 核查（6 仓）+ 第三方生态仓核查（FlashQLA、TileKernels、RISC-V 研究链三仓、PTO-ISA/tilelangGym）+ Google News 中英文查询（走代理）+ Hacker News + arXiv。

本期索引

  • 今日重点：主线为 TIRX 迁移回退 ThreadSync 的精确线程计数（#3733），并新开跟踪单承认正确性改进一并撤回；TileOPs 单日 13 笔性能合入；昇腾宿主固定开销从约 450 微秒砍到约 106 微秒；72 小时合入 35 笔、在审更新 82 笔、新增 issue 11 条
  • 一、核心项目进展
    • 1.1 主线：ThreadSync 的精确线程计数回退，为 TIRX 迁移让路（#3733）（11-01）
    • 1.2 主线：CUDA 跨 warp 全归约合并为一次共享内存交换，256 线程从 6 道栅栏降到 2 道（#3715）（10-30）
    • 1.3 主线：PTO 后端的 T.Parallel 向量化落地第一里程碑，逐元素算子走 VMI 指令（#3512）（10-30）
    • 1.4 主线：昇腾 DeepGEMM 的 scale 缓冲改用写计数多缓冲，数据加载可提到条件加载之前（#3629）（10-30）
    • 1.5 主线：两笔修复合入，CPU 标量 GEMM 只清目标区域、负索引合法化跳过不可达分支（#3709 / #3712）（10-30）
    • 1.6 主线：语言层清掉 proxy 里两个无人使用的 Ref 占位（#3722）（10-31）
    • 1.7 新开缺陷与在审：TMEM 静默丢结果、ROCm 符号找不到、TF32 就近偶数舍入（#3721 / #3711 / #3714）（10-30 ~ 10-31）
  • 二、多后端适配
    • 2.1 昇腾：Cython wrapper 惰性构造 TVM Analyzer，910B3 单次调用从约 450 微秒降到约 106 微秒（#1948）（10-30）
    • 2.2 昇腾：RFC 提出把同步实现换成主线核心加独立 Z3 证明服务（#1971）（10-30）
    • 2.3 昇腾在审：把 TileLang-Ascend 整体迁到主线多后端架构（#1975）（10-31）
    • 2.4 昇腾在审：GLM-5.3 kpool 的 fp8_mqa_logits 示例，双 kernel 加 AIV/Cube 分工（#1966）（10-31）
    • 2.5 昇腾：四笔文档与 API 事实核查合入，clamp 在 PTO 上真正生效（#1899 / #1893 / #1620 / #1600）（10-30）
    • 2.6 昇腾：日测 2970 用例全部通过，11-01 有一次 workflow 失败（#1977 / #1976）（10-31 ~ 11-02）
    • 2.7 海光：MLS 边界与持续 WASP 同步修复合入，gfx948 兼容在审（#31 / #32）（10-30）
    • 2.8 mlir-ascend：CI 清掉内部缓存服务引用，Codex 工作流在审（#206 / #208）（10-31）
    • 2.9 摩尔线程与沐曦窗口内无推送（11-02）
  • 三、生态与采用方
    • 3.1 TileOPs：72 小时 15 笔合入，13 笔压在 11-01，几乎每笔都带实测表与清单回归门槛（11-01）
    • 3.2 TileOPs：GQA 稠密前向用一条实测规则选 decode 或 prefill 程序，选择遗憾从 1.818 降到 1.017（#2808）（11-01）
    • 3.3 TileOPs：分页 MHA decode 扩到共享内存装得下的每个 head dim，GQA 分页前向去掉旧 decode 核（#2807 / #2797）（11-01）
    • 3.4 TileOPs：coop2 生产者收成单 warp、新增 192 宽转置块，W4A8 部分一波改成一 CTA 一 tile（#2806 / #2805）（11-01）
    • 3.5 TileOPs：编译缓存按构建目标键控，算子层统一检查输出与输入重叠（#2802 / #2801）（11-01）
    • 3.6 TileOPs 在修缺陷：Norm 四算子在远离零的行丢精度、约 1e36 溢出成 NaN（#2812）（11-01）
    • 3.7 TileFoundry：lowering 把 issuing mesh 与窗口切分收进一处决策，83 个调度夹具字节一致（#280 / #282）（10-31 ~ 11-01）
    • 3.8 TileFoundry：站点发布 0.3 版调度文章《Scheduling, Designed for Agents》（#4 / #281）（10-31 ~ 11-01）
    • 3.9 采用方：FlashQLA 合入 SM120 的 Dual-CP 前反向，2 张 RTX 5090 上对 32K 至 128K 序列与 Inter-CP 对比（#51）（10-30）
    • 3.10 采用方：TileKernels 自 10-14 起无推送（11-02）
  • 四、社区、教程与活动
    • 4.1 RISC-V 研究链成形：三个仓把 Numba CUDA Python 转 TileLang，再把受限 PrimFunc 落到单 hart RVV C（10-31）
    • 4.2 PTO-ISA/tilelangGym 从 PTO-ISA/tilelang 独立成仓，主回归门是昇腾 SimtVF 路径（10-30）
    • 4.3 新闻侧：Google News 中英文查询、Hacker News、arXiv 均无窗口内实质命中（11-02）
  • 五、趋势观察
  • 附、素材与核查说明

今日重点

这个窗口最重的动作是减法。主线把三周前合入的精确线程计数（#3291）整笔回退（#3733），理由写得很直白：那套改动把昂贵的计数查询搬到了满块栅栏检查之前，即使所有线程都会到达栅栏也要跑证明，当前 TVM 的求解预算会被耗尽并返回部分计数，于是本来合法的 remap 与 sequence 辅助 kernel 直接以「Cannot prove a thread rectangle」编译失败。回退在两套 ThreadSync 实现上同时进行，删掉 #3291 引入的测试，补一个「循环对多数线程为空、256 线程仍全部到达栅栏」的归约用例；商守卫、精确参与线程界、非矩形线程集这些正确性改进也一起撤回，新开的 #3732 留作迁移后重新优化的跟踪单。这是明确标注为临时措施的迁移让路：TileLang 正在准备 TIRX 迁移以摆脱当前 TVM fork 依赖，配套的 TVM fork 优化提案已经关闭。

第二条线是昇腾在补地基。#1948 修的是宿主侧一笔与算子规模无关的固定损耗：Cython wrapper 每次调用都无条件构造 TVM Analyzer，实测在 910B3 上约 0.28 毫秒一次，而它只在形状为符号表达式时才用到；改成惰性构造后，vec add 单块从 442 至 467 微秒降到 105.1 微秒，32 块从 441 至 493 微秒降到 108.0 微秒，kpool 压缩从 447 至 450 微秒降到 111.3 微秒，作为下限的裸 ctypes 调用约 12 微秒没变。同期 #1971 的 RFC 给出同步实现的替换路线：移植主线同步核心加独立的 Z3 证明服务，用旧 TIR 适配层接进现有编译流水，保留 TVM、调度、内存规划、AscendC/PTO codegen 与运行 ABI，验收通过后再切默认实现并删除旧算法——与 #1975 把整个 Ascend 仓迁到主线多后端架构是一件事的两个落点。

第三条线在算子库。TileOPs 在 11-01 一天合入 13 笔，几乎全部是性能补丁，且每笔都附 H200 实测表与 manifest 回归门槛。其中 #2808 把 GQA 稠密前向的程序选择收成一条规则，相对最快候选程序的选择遗憾从 1.818 降到 1.017（2 至 128 个 query 位置、586 次调用），并修掉主线一个真实错误：score scale 在乘上 log2(e) 后于 FP32 下消失，输出变成 NaN 或错值。

一、核心项目进展

1.1 主线：ThreadSync 的精确线程计数回退，为 TIRX 迁移让路（#3733）

合于 11-01 14:50。被回退的 #3291 把精确线程计数移到满块栅栏检查之前，并加入矩形认证，代价是即使全部线程都到栅栏也要跑一遍 CountSatisfyingValues；TVM 侧求解预算耗尽后返回部分计数，remap 与 sequence 辅助 kernel 随即以「[ThreadSync] Cannot prove a thread rectangle」失败。回归在主线 cc903dcb9 加未改动的 TVM pin 4211874e9e 上复现，新用例把它缩成「循环对多数线程为空、256 线程仍全部到达栅栏」。回退同时覆盖共享与昇腾两套实现，恢复满块快速路径与旧的部分计数行为；原文明确这是 TIRX 迁移期间的临时缓解，TVM fork 侧的优化提案 tile-ai/tvm#89 已关闭，后续优化转入 #3732。

来源：https://github.com/tile-ai/tilelang/pull/3733

1.2 主线：CUDA 跨 warp 全归约合并为一次共享内存交换，256 线程从 6 道栅栏降到 2 道（#3715）

合于 10-30 20:26。旧实现在 CUDA 归约头文件 reduce.h 里从 threads/2 递归到 scale，凡是 offset 不小于 32 的每一步都做一次完整的共享内存写读交换并配两道栅栏：256 线程块的三步（128、64、32）合计 3 次共享内存往返、6 道栅栏，512 线程块是 4 次、8 道。改法是把所有跨 warp 步骤压成一次交换（每元素一次 st.shared、共 2 道栅栏）：先在 warp 内做 scale 小于 32 的那一段，再让每个 warp 内组里不超过 cross_radix 的若干 lane 协作折叠，寄存器压力有上界。标量与批量两条路径都改了。

来源：https://github.com/tile-ai/tilelang/pull/3715

1.3 主线：PTO 后端的 T.Parallel 向量化落地第一里程碑，逐元素算子走 VMI 指令（#3512）

合于 10-30 01:29。目标是让用户在 T.SimdVF(lanes=L) 里写标量并行的逐元素 T.Parallel，由编译器向量化成 PTO VMI 指令，再经 PTOAS 在昇腾 950 上执行。分工写得很清楚：TileLang 侧负责逻辑 lane 布局推导、向量化 pass 流水线、VMI 指令生成与 Fragment 逻辑映射；PTOAS 侧负责物理寄存器切分、掩码具体化、Fragment 缓冲与向量寄存器分配、mem_bar 插入。路线图分五个里程碑，本笔是 M1 核心框架（逐元素计算，覆盖 extent 能否被 lanes 整除两种情况），M2 控制流、M3 reduce、M4 UB 容量规划与寄存器分配、M5 非连续访问与更宽的 PACK 数据类型依次跟进。

来源：https://github.com/tile-ai/tilelang/pull/3512

1.4 主线：昇腾 DeepGEMM 的 scale 缓冲改用写计数多缓冲，数据加载可提到条件加载之前（#3629）

合于 10-30 05:48。DeepGEMM 会在多个 K 块之间复用 scale factor，本笔新增显式的写计数多缓冲模式，让 scale 缓冲的版本按真实写入推进：每个 owner 循环迭代里只在第一个实际执行的写任务处推进一次，后续写入共享该版本，没有写入的迭代沿用旧值，支持多个不相交 owner 与共享时钟。这样数据加载可以排到条件化的 scale 加载之前；同时把 DeepGEMM 的 K 循环摊平，在 L1 与 L0 上都先取数据再取 scale，并补了守卫更新、嵌套更新、保留读、flag 与缓冲复用以及 FP4 的 K 主序与 MN 主序带尾块和环形回绕的用例。该模式要求显式版本数，并假定每个 owner 迭代最多一次更新。

来源：https://github.com/tile-ai/tilelang/pull/3629

1.5 主线：两笔修复合入，CPU 标量 GEMM 只清目标区域、负索引合法化跳过不可达分支（#3709 / #3712）

两笔都在 10-30 合入，属上一期在审条目的落地。#3709 让 CPU 标量 GEMM 只清理目标区域，此前会连带清掉不属于本次输出的范围；#3712 让 LegalizeNegativeIndex 跳过不可达分支，避免对不会执行的代码做负索引改写。这两条与上一期报告的 #3708、#3710 属同一批缺陷清理，其中 #3708 的位宽改 int64、#3710 的关缓存时绕过两层进程内缓存仍在审。

来源：https://github.com/tile-ai/tilelang/pull/3709、https://github.com/tile-ai/tilelang/pull/3712

1.6 主线：语言层清掉 proxy 里两个无人使用的 Ref 占位（#3722）

合于 10-31 17:31。tilelang/language/proxy.py 里同时存在两个 Ref：一个给类型检查用的 tirx.Var 桩，一个空的运行时类，两者在树内都没有消费者；对外的 T.Ref 实际来自 eager.builder，那里的实现才是宏引用参数的本体。本笔删掉两个占位、_T 类型变量以及随之无用的 Generic、TypeVar 导入，保留 T.Ref 与宏引用行为，只移除 tilelang.language.proxy.Ref 这条无人使用的直接导入路径。前端构造测试 179 项通过、6 项跳过，运行时身份检查确认 T.Ref 仍是 eager.builder.Ref。

来源：https://github.com/tile-ai/tilelang/pull/3722

1.7 新开缺陷与在审：TMEM 静默丢结果、ROCm 符号找不到、TF32 就近偶数舍入（#3721 / #3711 / #3714）

#3721 是本窗口最值得警惕的一条：在 sm_100a 上对 TMEM 做 T.gemm，当 threads/32 不能整除 N 时，编译能过、PTX 里却一条 tcgen05.mma 都没有，T.copy(Ct, Cl) 读的是没人写过的 TMEM，乘积被静默丢弃；复现里 threads=256 出一条，threads=384 出零条，作者怀疑 src/cuda/op/gemm.cc 给 TCGEN05 返回 {1, num_warps} 分区时缺了覆盖性检查。#3711 报告 ROCm 7.14 与 10.0 的 PyTorch wheel 下 kernel 报「named symbol not found」。#3714 在审，为 fp32 到 tf32 的转换补上就近偶数舍入（cvt.rn.tf32.f32 与饱和形式），非饱和要求 SM90 以上、饱和要求 SM100 以上，关闭对应的功能请求 #3713。

来源：https://github.com/tile-ai/tilelang/issues/3721、https://github.com/tile-ai/tilelang/issues/3711、https://github.com/tile-ai/tilelang/pull/3714

二、多后端适配（昇腾 / 海光 / 摩尔线程 / 沐曦）

2.1 昇腾：Cython wrapper 惰性构造 TVM Analyzer，910B3 单次调用从约 450 微秒降到约 106 微秒（#1948）

合于 10-30 07:44。CythonKernelWrapper.forward() 此前每次调用都无条件构造一个 TVM Analyzer()，在 910B3 上是约 0.28 毫秒的固定宿主开销，而该对象只在 result 或 workspace 形状为符号表达式时才用到；静态 shape 的 kernel 完全用不上，却同样付这笔钱。改法是把构造延迟到 tir.PrimExpr 分支内并按需复用。实测：vec add 单块 442 至 467 微秒降到 105.1 微秒，32 块 441 至 493 微秒降到 108.0 微秒，kpool 压缩 447 至 450 微秒降到 111.3 微秒，裸 ctypes 调用约 12.5 微秒降到约 12 微秒。新增两例回归，分别验证静态路径不构造、符号路径按需构造。

来源：https://github.com/tile-ai/tilelang-ascend/pull/1948

2.2 昇腾：RFC 提出把同步实现换成主线核心加独立 Z3 证明服务（#1971）

本 RFC 不预设提速结论，只固定比较基线：Ascend 仓在 TileLang 43b0b69 与 TVM c2921fd 上、IR 基础是旧 tvm.tir；主线在 TileLang 1c0f402 与 TVM 4211874e9e 上、IR 基础已是 tvm.tirx 与 tvm.s_tir，对象与注册体系也换成新 FFI 与反射设施。因此迁移不能简化为复制一个 InsertSync 文件。建议路线是移植主线同步核心与独立 Z3 证明服务，通过旧 TIR 适配层接入现有编译流水，保留现有 TVM、调度、内存规划、AscendC/PTO codegen 与运行 ABI，完成支持范围、正确性、性能与安装验收后再切换默认实现并删除旧同步算法。配套 PR 为 #1965。

来源：https://github.com/tile-ai/tilelang-ascend/issues/1971

2.3 昇腾在审：把 TileLang-Ascend 整体迁到主线多后端架构（#1975）

10-31 提出并持续更新，目标是按提案 #1911 把 TileLang-Ascend 迁移到 TileLang 主线的多后端架构上；描述里给出两份差异对照，一份对 ascendc_pto 分支，一份对主线。这条与 2.2 的 RFC 是同一条收敛路径的两个层面：一条改同步算法，一条改仓的骨架。

来源：https://github.com/tile-ai/tilelang-ascend/pull/1975

2.4 昇腾在审：GLM-5.3 kpool 的 fp8_mqa_logits 示例，双 kernel 加 AIV/Cube 分工（#1966）

对照主仓 kpool 目录下的 GLM-5.3 fp8_mqa_logits 示例做昇腾版。算子语义是 GLM-5.3-Flash 稀疏注意力 indexer 的池化历史打分：对每个 query 行，在有效 pool 区间内按分页表从 64-pool 页读 E4M3 key（uint8 承载字节加 fp32 scale），反量化后算 32 个 indexer 头的 MQA 打分，乘 per-pool scale，经 ReLU gate 与按头加权归约为每个 pool 一个 FP32 logit，范围外或无效页输出负无穷。实现是双 kernel：mask kernel 按 64-pool tile 生成逐 lane 的 0 或负无穷掩码以替换宿主预填，main kernel 每行每页一个 block、两个 AIV 各处理 32-pool 半页，Cube 读整页做一次 64×32×128 的 GEMM。头数 32、维度 128、页大小 64。

来源：https://github.com/tile-ai/tilelang-ascend/pull/1966

2.5 昇腾：四笔文档与 API 事实核查合入，clamp 在 PTO 上真正生效（#1899 / #1893 / #1620 / #1600）

四笔都在 10-30 合入，属持续进行的 API 事实核查批次：#1899 核对 T.tile.bitwise_xor 文档（#1681 的重提），#1893 核对 T.tile.bitwise_rshift（#1676 的重提），#1620 让 T.tile.clamp 在 PTO 上真正生效并同步文档，同时补测试与 API 文档，#1600 更新 axpy 的 docstring、加强测试并补 API 文档。同批次另有 #1968、#1967、#1974 在审，分别是 sigmoid 与 round 计数折半、符号形状解析缓存、整块行切分下 tile 尺寸被错误折半的修复。

来源：https://github.com/tile-ai/tilelang-ascend/pull/1620、https://github.com/tile-ai/tilelang-ascend/pull/1899

2.6 昇腾：日测 2970 用例全部通过，11-01 有一次 workflow 失败（#1977 / #1976）

11-02 06:42 的日测记录为 2970 项、通过 2970 项、失败 0 项，通过率 100%；10-31 06:56 的一期同样是 2970 项全过。中间 11-01 05:08 有一期标记为 workflow test job failure，与本窗口内 #1975 的迁移改动、#1971 的 RFC 同期出现，属需要留意的波动而非稳定回归。

来源：https://github.com/tile-ai/tilelang-ascend/issues/1977、https://github.com/tile-ai/tilelang-ascend/issues/1976

2.7 海光：MLS 边界与持续 WASP 同步修复合入，gfx948 兼容在审（#31 / #32）

#31 合于 10-30 10:56，三件事：改进动态 MLS 边界推断与 MatrixStore 的 stride 处理；修 MMAC 与 blockscaled GEMM 的 clear_accum 下沉；在持续 WASP 路径改用 M 分区消费者与独立的 A/B 栅栏，同时保留 slot 与 phase 轮转并对尾部消费者加同步。#32 在审，把 gfx948 当作 gfx946 兼容处理，让既有指令能直接在新型号上走通。前一窗口报道的普通拷贝 LDS swizzle（#30）已在同期落地。

来源：https://github.com/tile-ai/tilelang-hygon/pull/31、https://github.com/tile-ai/tilelang-hygon/pull/32

2.8 mlir-ascend：CI 清掉内部缓存服务引用，Codex 工作流在审（#206 / #208）

#206 合于 10-31 07:24，把 CI 里指向内部缓存服务的内容清掉，属可复现性清理。#208 在审，为 Operator Harness 加首批 Codex 工作流：用迭代提问完成项目初始化、把已有算子仓接入、以及从持久化上下文恢复开发、调优或分析；三个 skill 共用 .workspace/ 下的可编辑 Markdown 记录，任务交接区分「当前候选」与「已验证的最佳候选」，保留失败与回退实验。作者明确本次没有真实 NPU 实测，NPU 执行适配与 npm 分发列为后续工作。

来源：https://github.com/tile-ai/tilelang-mlir-ascend/pull/206、https://github.com/tile-ai/tilelang-mlir-ascend/pull/208

2.9 摩尔线程与沐曦窗口内无推送（11-02）

tilelang-metax 最后推送停在 10-26，tilelang-musa 停在 09-30，两仓在本窗口的 72 小时内都没有提交。这意味着本期的后端动态集中在昇腾、海光与 mlir-ascend 三侧。

来源：https://github.com/tile-ai/tilelang-metax、https://github.com/tile-ai/tilelang-musa

三、生态与采用方（TileOPs / TileFoundry / TileKernels / FlashQLA）

3.1 TileOPs：72 小时 15 笔合入，13 笔压在 11-01，几乎每笔都带实测表与清单回归门槛（11-01）

v0.1.0 发布后，TileOPs 在 11-01 一天合入 13 笔，加上 10-30 的 #2794 与 10-31 的 #2795，72 小时共 15 笔。改动几乎全部是 perf 类，覆盖注意力、GEMM、逐元素、归约与 MoE，每一笔都给出 H200 上的 busy 与 back-to-back 两组时间、或与 vLLM、FlashInfer 的对照，并声明 manifest 里没有已测行回退。这种「带表合入」的方式说明算子库已经进入按 shape 逐行校准的阶段，而不是补功能。

来源：https://github.com/tile-ai/TileOPs/commits/main

3.2 TileOPs：GQA 稠密前向用一条实测规则选 decode 或 prefill 程序，选择遗憾从 1.818 降到 1.017（#2808）

合于 11-01 13:04。GQADenseFwdOp 与 GQADenseWithLSEFwdOp 改由同一个规则 AttentionCall.dense_decode_program 决定走哪套程序，输入是 query 与 key 长度、batch、头分组、head dim、RoPE 与 SM 数：2 至 64 个 query 位置走 warp 专用 decode，一个 KV 头组内每个位置打包进 64 行块；单个 query 位置时按 32 段切分填满一波、或走 1 序列 1 至 2 个 KV 头的 batch-1 程序。相对最快可用程序的选择遗憾（几何均值与最大值）：单位置 1.068 与 1.87 降到 1.018 与 1.69，2 至 128 位置 1.818 与 25.2 降到 1.017 与 1.81。同时修掉主线两个错误：score scale 乘上 log2(e) 后在 FP32 下消失导致 NaN 或错值；D256 多位置调用在 SM90 上因共享内存不足启动失败。

来源：https://github.com/tile-ai/TileOPs/pull/2808

3.3 TileOPs：分页 MHA decode 扩到共享内存装得下的每个 head dim，GQA 分页前向去掉旧 decode 核（#2807 / #2797）

#2807 合于 11-01 12:30，把分页 MHA decode 在「一个块的共享内存装得下」的前提下扩到每个 head dim，此前遇到较大 head dim 会直接不走这条路径。#2797 合于同日 03:54，从 GQAPagedFwdOp 里删掉旧的 paged decode kernel，并把分页 MHA decode 的上限压到能编译出来的 head dim 上，等于把前一版留下的越界能力收回。两条合起来是一次「先扩能力、再削冗余」的收尾。

来源：https://github.com/tile-ai/TileOPs/pull/2807、https://github.com/tile-ai/TileOPs/pull/2797

3.4 TileOPs：coop2 生产者收成单 warp、新增 192 宽转置块，W4A8 部分一波改成一 CTA 一 tile（#2806 / #2805）

#2806 合于 11-01 12:02，把 Hopper GEMM 的 coop2 生产者从多 warp 收成一个加载 warp，并在共享内存允许三级流水时提供 192 宽的均匀转置块；H200 上 wgrad-q-b 从 384.9 微秒降到 382.3，mlp-up fp16 从 317.9 微秒降到 311.9（back-to-back 分别 458.5 到 449.6、369.0 到 367.3），作者声明没有已测 GEMM 行回退，本笔属 #2791 目标的一部分，双卡确认仍未完成。#2805 合于同日 10:36，让填满至少四分之三 SM 的部分一波 W4A8 prefill 栅格改成一 CTA 一 tile 而非 stream-K；llama-8b-up-b33 从 23.52 微秒降到 17.98（vLLM 20.42），b128 从 31.33 降到 23.39（vLLM 24.05），清单外 M 33 至 128 的 44 组 N/K 扫描中改调度形状快 5% 至 36%、中位 18%、无一变慢。

来源：https://github.com/tile-ai/TileOPs/pull/2806、https://github.com/tile-ai/TileOPs/pull/2805

3.5 TileOPs：编译缓存按构建目标键控，算子层统一检查输出与输入重叠（#2802 / #2801）

#2802 合于 11-01 11:31，修的是编译程序缓存跨设备复用的问题：构建器与 Op 条目都按构建目标做键，懒编译与自动调优留在预期设备上，验收为 99 项目标隔离、供应商与分组 GEMM 测试。#2801 合于同日 10:33，把「输出不得与任何其他调用张量共享字节」的检查提到算子层，由 manifest 的 overlaps 字段按算子声明例外，删掉了 MoE unpermute、MoE 分组 GEMM、持续 GEMM 模板等四处 kernel 侧检查；顺带修掉主线一个竞态：IndexedExpertMLPFwdOp 允许 out 与 topk_weights 重叠，而后者在写入时仍被归约读取。MoEPostPermuteFwdOp 带 out 的宿主耗时从 51.48 微秒降到 39.33。

来源：https://github.com/tile-ai/TileOPs/pull/2802、https://github.com/tile-ai/TileOPs/pull/2801

3.6 TileOPs 在修缺陷：Norm 四算子在远离零的行丢精度、约 1e36 溢出成 NaN（#2812）

11-01 新开。LayerNorm、AdaLayerNorm（含 -Zero）、GroupNorm 与 BatchNorm 目前都用原始行的 fp32 直接求和取均值与方差（BatchNorm 用 E[x²] 减均值平方），这正是 #2773 为 FusedAddLayerNorm 修过、#2811 为 InstanceNorm 训练核在修的同一类缺陷。表现是：常数 10000.1 的 fp32 行归一化后输出约等于正负 weight 而不是 bias，10000 加随机数的行在 fp32 容差下对不上 float64 参考；接近 1e36 的行求和溢出，fp32 与 bf16 下全部输出 NaN。受影响路径覆盖 fragment、共享内存走查、一行一 warp、分块与流式等多种实现。

来源：https://github.com/tile-ai/TileOPs/issues/2812

3.7 TileFoundry：lowering 把 issuing mesh 与窗口切分收进一处决策，83 个调度夹具字节一致（#280 / #282）

#280 合于 10-31 00:47，把「每次调用发射什么」的决策收进一处；#282 合于 11-01 11:47，继续把「由哪个 mesh 发射」与「窗口怎么切」也收到一处：analysis/emission.py 新增 copy_mesh、issue_owner、issue_mesh，copy_mesh 与 issue_owner 共用一个助手，两者唯一的差别（Partial 怎么读）只留在一处；三处重复的 Slice 切分改由 _cut 助手统一。验收方式是字节级对照：83 个调度夹具里 75 个 finalize 输出与主线完全一致，其余 8 个在主线上同样失败；docs/spec/passes.md 第 7.1 节把这套 mesh 决策写进规范。

来源：https://github.com/tile-ai/TileFoundry/pull/282、https://github.com/tile-ai/TileFoundry/pull/280

3.8 TileFoundry：站点发布 0.3 版调度文章《Scheduling, Designed for Agents》（#4 / #281）

站点仓在 10-30 合入 #4，发布 0.3 版文章《Scheduling, Designed for Agents》，同时补了文章与配图的目录结构、公式的 MathJax 支持、图注与表格样式以及每个图表锚点，首页 Blog 卡片改为打开博客索引，索引列出两篇文章；upstream-ref 未变，站点仍渲染 v0.0.3。仓库侧 #281 于 10-31 在 README 里通告这篇文章。对 TileFoundry 这条线来说，这是把「面向 agent 的调度」从代码与发布说明搬到公开叙述的一步。

来源：https://github.com/tile-ai/TileFoundry.github.io/pull/4、https://github.com/tile-ai/TileFoundry/pull/281

3.9 采用方：FlashQLA 合入 SM120 的 Dual-CP 前反向，2 张 RTX 5090 上对 32K 至 128K 序列与 Inter-CP 对比（#51）

10-30 03:02 合入。改动为 SM120 增加 Dual-CP 的前向与反向：前向复用已有的 state-scan kernel 做卡级状态聚合，有序 M 乘积按 32 列一块计算以控制在共享内存内；反向用转置后的 M 逆序传播状态，复用前向缓存下来的 M 矩阵；同时修掉反向 kernel 里一处共享内存竞态，办法是让第 7 阶段与 dV 存储 warp 同步。性能在 2 张 RTX 5090 上以 BF16、chunk 32、序列长 32K 至 128K 对比 Inter-CP，每例 3 次中位数、每次 25 次预热加 100 次计时。

来源：https://github.com/QwenLM/FlashQLA/pull/51

3.10 采用方：TileKernels 自 10-14 起无推送（11-02）

深度求索的 TileKernels 最后推送停在 10-14，本窗口无变化。采用方这一侧本期的有效动态全部来自通义 FlashQLA。

来源：https://github.com/deepseek-ai/TileKernels

四、社区、教程与活动

4.1 RISC-V 研究链成形：三个仓把 Numba CUDA Python 转 TileLang，再把受限 PrimFunc 落到单 hart RVV C（10-31）

社区研究者 zishu0131-png 在 10-31 同日整理出三个仓：tilelang-riscv 作总入口，说明研究目标、两段编译链路与版本组合；numba2tilelang 负责把 Numba CUDA Python 静态解析后转成 TileLang 源码；tilelang2rvv 把受支持的真实 tvm.tirx.PrimFunc 转成 RVV intrinsic C，再经 Clang 编成 RV64GCV ELF，在 QEMU virt 上以单 hart 运行。作者把边界写得很清楚：这不是 TileLang 官方注册的后端，也不是通用 GPU 模型模拟器，依赖 threadIdx 的寻址、跨 hart 同步与未支持的 IR 一律拒绝，block 顺序执行，shared 与 fragment 映射为单 hart 局部数组；研究环境为 TileLang 0.1.15、Clang 23.1.3、QEMU 11.1.0，不保证其他版本兼容，且明确上游线程级产物不能自动视为该后端可接受的输入。

来源：https://github.com/zishu0131-png/tilelang-riscv

4.2 PTO-ISA/tilelangGym 从 PTO-ISA/tilelang 独立成仓，主回归门是昇腾 SimtVF 路径（10-30）

这套敏感性与回归测试集从 PTO-ISA/tilelang 的 examples/ascend/t_parallel_st_suite 拆出来，理由是让测试集能独立钉住 TileLang 与 PTOAS 的版本。当前三条主路径：昇腾 SoftLib SimtVF（target=ascend、cython，主回归门，在 remat 版本上全过）、VectorizeParallelToPTO 与 VL 的 vload/vstore，以及 benches 下用 @pto.jit 写的手工 SIMD DSL 对照实现；每个用例目录里带 config.toml 与 VERDICT.md，另有周度与 CI 回归脚本。

来源：https://github.com/PTO-ISA/tilelangGym

4.3 新闻侧：Google News 中英文查询、Hacker News、arXiv 均无窗口内实质命中（11-02）

三天的 Google News 中英文查询没有返回任何落在窗口内的 TileLang 相关报道，Hacker News 与 arXiv 同样没有新条目；候选清单里的 20 条全部来自 GitHub 仓库推送，属常规代码活动而非新闻。本期的信息面因此完全由仓库侧与社区仓构成。

来源：https://news.google.com/

五、趋势观察

这一窗口最值得记录的判断来自上游自己：宁可回退正确性改进，也要把 ThreadSync 的复杂度从关键路径上撤下来。回退说明里写清了代价——商守卫、精确参与线程界、非矩形线程集这三类改进一并撤回，只保留旧的保守路径，#3732 留待 TIRX 迁移完成后再谈优化。一个编译器项目愿意公开写「我们的证明器预算不够，先退回保守实现」，比再堆多少功能都更能说明当前阶段的真实约束：TIRX 迁移是主线第一优先级，其他优化都要给它让路。

与之呼应的是昇腾侧两份「向主线收敛」的文本：#1971 的 RFC 要把同步算法换成主线核心加独立 Z3 证明服务，先调研、后替换、中间留旧 TIR 适配层；#1975 直接把整个 Ascend 仓迁到主线多后端架构。两条路都要付出迁移成本，于是近期的可见工作会偏向地基类：#1948 把每次调用的固定宿主开销从约 450 微秒压到约 106 微秒，四笔文档事实核查，CI 清理内部缓存引用，都是这类工作。

TileOPs 的节奏则从「发版」切到「调优」。72 小时 15 笔合入里 13 笔压在同一天，几乎每笔都附 H200 实测表与「manifest 无回退」声明，并且开始用选择遗憾这类指标描述调度规则的好坏（#2808 从 1.818 到 1.017）。这意味着算子库的竞争点已经从「有没有这个算子」变成「每条 shape 上是否都挑对了程序」，而这恰好是 TileLang 这类 DSL 相对手写 kernel 的长期价值所在。

生态侧出现两条新分叉。一条是硬件方言：海光把 gfx948 当 gfx946 兼容、昇腾继续补 PTO 文档与符号形状。另一条是语言出口：RISC-V 研究链把受限 PrimFunc 降到单 hart RVV C，星标很低、作者也明确声明不是官方后端，但它把 TileLang 的 IR 当作可移植资产来用，与昇腾、海光的仓级分支适配是同一类信号。多条分叉同时存在，上游 TIRX 迁移能否给出稳定的 IR 边界，将决定这些下游投入是沉淀还是返工。

附、素材与核查说明

信源核查表

信源 核查结果
tile-ai 组织（29 仓库） 窗口内推送 10 个仓库
主仓 tilelang 主分支 7 笔合入；新开 issue 4 条；文档站 3 笔
TileOPs 主分支 15 笔合入（13 笔在 11-01）；新开 issue 3 条；站点 1 笔
TileFoundry 3 笔合入；站点 1 笔
tilelang-ascend 5 笔合入；新开 issue 4 条（含日测记录与 RFC）
tilelang-hygon 2 笔合入；1 笔在审新增
tilelang-mlir-ascend 1 笔合入；1 笔在审新增
tilelang-metax / tilelang-musa / TileRT / tilescale / DeepStack 窗口内无推送
发布页（tilelang / TileOPs / TileFoundry / tilelang-ascend / tilelang-hygon / mlir-ascend） 窗口内无新版本
FlashQLA 1 笔合入（#51）
TileKernels 自 10-14 起无推送
RISC-V 研究链三仓 / PTO-ISA/tilelangGym 有推送，研究链三仓同日建链
Google News / Hacker News / arXiv 无窗口内实质命中

完整信源清单