調研視窗：2026-10-30 07:00 ~ 2026-11-02 07:00（北京時間，72 小時，覆蓋週末；上一期截點為 10-30 07:00）。

信源：GitHub tile-ai 組織逐倉核查（tilelang / TileOPs / TileFoundry / tilelang-ascend / tilelang-mlir-ascend / tilelang-hygon / tilelang-metax / tilelang-musa / TileRT / tilescale / DeepStack / TileOPs-nightly / 文件站）+ 合入與在審真值檢索（合入 35 筆、在審更新 82 筆）+ 新增 issue 全量核對（11 條）+ 主分支逐筆提交核查（tilelang 7、TileOPs 15、TileFoundry 3、tilelang-ascend 5、tilelang-hygon 2、tilelang-mlir-ascend 1、文件站 4）+ 釋出頁與 tag 核查（6 倉）+ 第三方生態倉核查（FlashQLA、TileKernels、RISC-V 研究鏈三倉、PTO-ISA/tilelangGym）+ Google News 中英文查詢（走代理）+ Hacker News + arXiv。

本期索引

  • 今日重點：主線為 TIRX 遷移回退 ThreadSync 的精確執行緒計數（#3733），並新開跟蹤單承認正確性改進一併撤回；TileOPs 單日 13 筆效能合入；昇騰宿主固定開銷從約 450 微秒砍到約 106 微秒；72 小時合入 35 筆、在審更新 82 筆、新增 issue 11 條
  • 一、核心專案進展
    • 1.1 主線：ThreadSync 的精確執行緒計數回退，為 TIRX 遷移讓路（#3733）（11-01）
    • 1.2 主線：CUDA 跨 warp 全歸約合併為一次共享記憶體交換，256 執行緒從 6 道柵欄降到 2 道（#3715）（10-30）
    • 1.3 主線：PTO 後端的 T.Parallel 向量化落地第一里程碑，逐元素運算元走 VMI 指令（#3512）（10-30）
    • 1.4 主線：昇騰 DeepGEMM 的 scale 緩衝改用寫計數多緩衝，資料載入可提到條件載入之前（#3629）（10-30）
    • 1.5 主線：兩筆修復合入，CPU 標量 GEMM 只清目標區域、負索引合法化跳過不可達分支（#3709 / #3712）（10-30）
    • 1.6 主線：語言層清掉 proxy 裡兩個無人使用的 Ref 佔位（#3722）（10-31）
    • 1.7 新開缺陷與在審：TMEM 靜默丟結果、ROCm 符號找不到、TF32 就近偶數舍入（#3721 / #3711 / #3714）（10-30 ~ 10-31）
  • 二、多後端適配
    • 2.1 昇騰：Cython wrapper 惰性構造 TVM Analyzer，910B3 單次呼叫從約 450 微秒降到約 106 微秒（#1948）（10-30）
    • 2.2 昇騰：RFC 提出把同步實現換成主線核心加獨立 Z3 證明服務（#1971）（10-30）
    • 2.3 昇騰在審：把 TileLang-Ascend 整體遷到主線多後端架構（#1975）（10-31）
    • 2.4 昇騰在審：GLM-5.3 kpool 的 fp8_mqa_logits 示例，雙 kernel 加 AIV/Cube 分工（#1966）（10-31）
    • 2.5 昇騰：四筆文件與 API 事實核查合入，clamp 在 PTO 上真正生效（#1899 / #1893 / #1620 / #1600）（10-30）
    • 2.6 昇騰：日測 2970 用例全部透過，11-01 有一次 workflow 失敗（#1977 / #1976）（10-31 ~ 11-02）
    • 2.7 海光：MLS 邊界與持續 WASP 同步修復合入，gfx948 相容在審（#31 / #32）（10-30）
    • 2.8 mlir-ascend：CI 清掉內部快取服務引用，Codex 工作流在審（#206 / #208）（10-31）
    • 2.9 摩爾執行緒與沐曦視窗內無推送（11-02）
  • 三、生態與採用方
    • 3.1 TileOPs：72 小時 15 筆合入，13 筆壓在 11-01，幾乎每筆都帶實測表與清單迴歸門檻（11-01）
    • 3.2 TileOPs：GQA 稠密前向用一條實測規則選 decode 或 prefill 程式，選擇遺憾從 1.818 降到 1.017（#2808）（11-01）
    • 3.3 TileOPs：分頁 MHA decode 擴到共享記憶體裝得下的每個 head dim，GQA 分頁前向去掉舊 decode 核（#2807 / #2797）（11-01）
    • 3.4 TileOPs：coop2 生產者收成單 warp、新增 192 寬轉置塊，W4A8 部分一波改成一 CTA 一 tile（#2806 / #2805）（11-01）
    • 3.5 TileOPs：編譯快取按構建目標鍵控，運算元層統一檢查輸出與輸入重疊（#2802 / #2801）（11-01）
    • 3.6 TileOPs 在修缺陷：Norm 四運算元在遠離零的行丟精度、約 1e36 溢位成 NaN（#2812）（11-01）
    • 3.7 TileFoundry：lowering 把 issuing mesh 與視窗切分收進一處決策，83 個排程夾具位元組一致（#280 / #282）（10-31 ~ 11-01）
    • 3.8 TileFoundry：站點發布 0.3 版排程文章《Scheduling, Designed for Agents》（#4 / #281）（10-31 ~ 11-01）
    • 3.9 採用方：FlashQLA 合入 SM120 的 Dual-CP 前反向，2 張 RTX 5090 上對 32K 至 128K 序列與 Inter-CP 對比（#51）（10-30）
    • 3.10 採用方：TileKernels 自 10-14 起無推送（11-02）
  • 四、社群、教程與活動
    • 4.1 RISC-V 研究鏈成形：三個倉把 Numba CUDA Python 轉 TileLang，再把受限 PrimFunc 落到單 hart RVV C（10-31）
    • 4.2 PTO-ISA/til

elangGym 從 PTO-ISA/tilelang 獨立成倉，主迴歸門是昇騰 SimtVF 路徑（10-30）

  • 4.3 新聞側：Google News 中英文查詢、Hacker News、arXiv 均無視窗內實質命中（11-02）
  • 五、趨勢觀察
  • 附、素材與核查說明

今日重點

這個視窗最重的動作是減法。主線把三週前合入的精確執行緒計數（#3291）整筆回退（#3733），理由寫得很直白：那套改動把昂貴的計數查詢搬到了滿塊柵欄檢查之前，即使所有執行緒都會到達柵欄也要跑證明，當前 TVM 的求解預算會被耗盡並返回部分計數，於是本來合法的 remap 與 sequence 輔助 kernel 直接以「Cannot prove a thread rectangle」編譯失敗。回退在兩套 ThreadSync 實現上同時進行，刪掉 #3291 引入的測試，補一個「迴圈對多數執行緒為空、256 執行緒仍全部到達柵欄」的歸約用例；商守衛、精確參與執行緒界、非矩形執行緒集這些正確性改進也一起撤回，新開的 #3732 留作遷移後重新最佳化的跟蹤單。這是明確標註為臨時措施的遷移讓路：TileLang 正在準備 TIRX 遷移以擺脫當前 TVM fork 依賴，配套的 TVM fork 最佳化提案已經關閉。

第二條線是昇騰在補地基。#1948 修的是宿主側一筆與運算元規模無關的固定損耗：Cython wrapper 每次呼叫都無條件構造 TVM Analyzer，實測在 910B3 上約 0.28 毫秒一次，而它只在形狀為符號表示式時才用到；改成惰性構造後，vec add 單塊從 442 至 467 微秒降到 105.1 微秒，32 塊從 441 至 493 微秒降到 108.0 微秒，kpool 壓縮從 447 至 450 微秒降到 111.3 微秒，作為下限的裸 ctypes 呼叫約 12 微秒沒變。同期 #1971 的 RFC 給出同步實現的替換路線：移植主線同步核心加獨立的 Z3 證明服務，用舊 TIR 適配層接進現有編譯流水，保留 TVM、排程、記憶體規劃、AscendC/PTO codegen 與執行 ABI，驗收透過後再切預設實現並刪除舊演算法——與 #1975 把整個 Ascend 倉遷到主線多後端架構是一件事的兩個落點。

第三條線在運算元庫。TileOPs 在 11-01 一天合入 13 筆，幾乎全部是效能補丁，且每筆都附 H200 實測表與 manifest 迴歸門檻。其中 #2808 把 GQA 稠密前向的程式選擇收成一條規則，相對最快候選程式的選擇遺憾從 1.818 降到 1.017（2 至 128 個 query 位置、586 次呼叫），並修掉主線一個真實錯誤：score scale 在乘上 log2(e) 後於 FP32 下消失，輸出變成 NaN 或錯值。

一、核心專案進展

1.1 主線：ThreadSync 的精確執行緒計數回退，為 TIRX 遷移讓路（#3733）

合於 11-01 14:50。被回退的 #3291 把精確執行緒計數移到滿塊柵欄檢查之前，並加入矩形認證，代價是即使全部執行緒都到柵欄也要跑一遍 CountSatisfyingValues；TVM 側求解預算耗盡後返回部分計數，remap 與 sequence 輔助 kernel 隨即以「[ThreadSync] Cannot prove a thread rectangle」失敗。迴歸在主線 cc903dcb9 加未改動的 TVM pin 4211874e9e 上覆現，新用例把它縮成「迴圈對多數執行緒為空、256 執行緒仍全部到達柵欄」。回退同時覆蓋共享與昇騰兩套實現，恢復滿塊快速路徑與舊的部分計數行為；原文明確這是 TIRX 遷移期間的臨時緩解，TVM fork 側的最佳化提案 tile-ai/tvm#89 已關閉，後續最佳化轉入 #3732。

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

1.2 主線：CUDA 跨 warp 全歸約合併為一次共享記憶體交換，256 執行緒從 6 道柵欄降到 2 道（#3715）

合於 10-30 20:26。舊實現在 CUDA 歸約標頭檔案 reduce.h 裡從 threads/2 遞迴到 scale，凡是 offset 不小於 32 的每一步都做一次完整的共享記憶體寫讀交換並配兩道柵欄：256 執行緒塊的三步（128、64、32）合計 3 次共享記憶體往返、6 道柵欄，512 執行緒塊是 4 次、8 道。改法是把所有跨 warp 步驟壓成一次交換（每元素一次 st.shared、共 2 道柵欄）：先在 warp 內做 scale 小於 32 的那一段，再讓每個 warp 內組裡不超過 cross_radix 的若干 lane 協作摺疊，暫存器壓力有上界。標量與批次兩條路徑都改了。

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

1.3 主線：PTO 後端的 T.Parallel 向量化落地第一里程碑，逐元素運算元走 VMI 指令（#3512）

合於 10-30 01:29。目標是讓使用者在 T.SimdVF(lanes=L) 裡寫標量並行的逐元素 T.Parallel，由編譯器向量化成 PTO VMI 指令，再經 PTOAS 在昇騰 950 上執行。分工寫得很清楚：TileLang 側負責邏輯 lane 佈局推導、向量化 pass 流水線、VMI 指令生成與 Fragment 邏輯對映；PTOAS 側負責物理暫存器切分、掩碼具體化、Fragment 緩衝與向量暫存器分配、mem_bar 插入。路線圖分五個里程碑，本筆是 M1 核心框架（逐元素計算，覆蓋 extent 能否被 lanes 整除兩種情況），M2 控制流、M3 reduce、M4 UB 容量規劃與暫存器分配、M5 非連續訪問與更寬的 PACK 資料型別依次跟進。

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

1.4 主線：昇騰 DeepGEMM 的 scale 緩衝改用寫計數多緩衝，資料載入可提到條件載入之前（#3629）

合於 10-30 05:48。DeepGEMM 會在多個 K 塊之間複用 scale factor，本筆新增顯式的寫計數多緩衝模式，讓 scale 緩衝的版本按真實寫入推進：每個 owner 迴圈迭代裡只在第一個實際執行的寫任務處推進一次，後續寫入共享該版本，沒有寫入的迭代沿用舊值，支援多個不相交 owner 與共享時鐘。這樣資料載入可以排到條件化的 scale 載入之前；同時把 DeepGEMM 的 K 迴圈攤平，在 L1 與 L0 上都先取資料再取 scale，並補了守衛更新、巢狀更新、保留讀、flag 與緩衝複用以及 FP4 的 K 主序與 MN 主序帶尾塊和環形迴繞的用例。該模式要求顯式版本數，並假定每個 owner 迭代最多一次更新。

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

1.5 主線：兩筆修復合入，CPU 標量 GEMM 只清目標區域、負索引合法化跳過不可達分支（#3709 / #3712）

兩筆都在 10-30 合入，屬上一期在審條目的落地。#3709 讓 CPU 標量 GEMM 只清理目標區域，此前會連帶清掉不屬於本次輸出的範圍；#3712 讓 LegalizeNegativeIndex 跳過不可達分支，避免對不會執行的程式碼做負索引改寫。這兩條與上一期報告的 #3708、#3710 屬同一批缺陷清理，其中 #3708 的位寬改 int64、#3710 的關快取時繞過兩層程序內快取仍在審。

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

1.6 主線：語言層清掉 proxy 裡兩個無人使用的 Ref 佔位（#3722）

合於 10-31 17:31。tilelang/language/proxy.py 裡同時存在兩個 Ref：一個給型別檢查用的 tirx.Var 樁，一個空的執行時類，兩者在樹內都沒有消費者；對外的 T.Ref 實際來自 eager.builder，那裡的實現才是宏引用引數的本體。本筆刪掉兩個佔位、_T 型別變數以及隨之無用的 Generic、TypeVar 匯入，保留 T.Ref 與宏引用行為，只移除 tilelang.language.proxy.Ref 這條無人使用的直接匯入路徑。前端構造測試 179 項透過、6 項跳過，執行時身份檢查確認 T.Ref 仍是 eager.builder.Ref。

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

1.7 新開缺陷與在審：TMEM 靜默丟結果、ROCm 符號找不到、TF32 就近偶數舍入（#3721 / #3711 / #3714）

#3721 是本視窗最值得警惕的一條：在 sm_100a 上對 TMEM 做 T.gemm，當 threads/32 不能整除 N 時，編譯能過、PTX 裡卻一條 tcgen05.mma 都沒有，T.copy(Ct, Cl) 讀的是沒人寫過的 TMEM，乘積被靜默丟棄；復現裡 threads=256 出一條，threads=384 出零條，作者懷疑 src/cuda/op/gemm.cc 給 TCGEN05 返回 {1, num_warps} 分割槽時缺了覆蓋性檢查。#3711 報告 ROCm 7.14 與 10.0 的 PyTorch wheel 下 kernel 報「named symbol not found」。#3714 在審，為 fp32 到 tf32 的轉換補上就近偶數舍入（cvt.rn.tf32.f32 與飽和形式），非飽和要求 SM90 以上、飽和要求 SM100 以上，關閉對應的功能請求 #3713。

來源：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、多後端適配（昇騰 / 海光 / 摩爾執行緒 / 沐曦）

2.1 昇騰：Cython wrapper 惰性構造 TVM Analyzer，910B3 單次呼叫從約 450 微秒降到約 106 微秒（#1948）

合於 10-30 07:44。CythonKernelWrapper.forward() 此前每次呼叫都無條件構造一個 TVM Analyzer()，在 910B3 上是約 0.28 毫秒的固定宿主開銷，而該物件只在 result 或 workspace 形狀為符號表示式時才用到；靜態 shape 的 kernel 完全用不上，卻同樣付這筆錢。改法是把構造延遲到 tir.PrimExpr 分支內並按需複用。實測：vec add 單塊 442 至 467 微秒降到 105.1 微秒，32 塊 441 至 493 微秒降到 108.0 微秒，kpool 壓縮 447 至 450 微秒降到 111.3 微秒，裸 ctypes 呼叫約 12.5 微秒降到約 12 微秒。新增兩例迴歸，分別驗證靜態路徑不構造、符號路徑按需構造。

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

2.2 昇騰：RFC 提出把同步實現換成主線核心加獨立 Z3 證明服務（#1971）

本 RFC 不預設提速結論，只固定比較基線：Ascend 倉在 TileLang 43b0b69 與 TVM c2921fd 上、IR 基礎是舊 tvm.tir；主線在 TileLang 1c0f402 與 TVM 4211874e9e 上、IR 基礎已是 tvm.tirx 與 tvm.s_tir，物件與註冊體系也換成新 FFI 與反射設施。因此遷移不能簡化為複製一個 InsertSync 檔案。建議路線是移植主線同步核心與獨立 Z3 證明服務，透過舊 TIR 適配層接入現有編譯流水，保留現有 TVM、排程、記憶體規劃、AscendC/PTO codegen 與執行 ABI，完成支援範圍、正確性、效能與安裝驗收後再切換預設實現並刪除舊同步演算法。配套 PR 為 #1965。

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

2.3 昇騰在審：把 TileLang-Ascend 整體遷到主線多後端架構（#1975）

10-31 提出並持續更新，目標是按提案 #1911 把 TileLang-Ascend 遷移到 TileLang 主線的多後端架構上；描述裡給出兩份差異對照，一份對 ascendc_pto 分支，一份對主線。這條與 2.2 的 RFC 是同一條收斂路徑的兩個層面：一條改同步演算法，一條改倉的骨架。

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

2.4 昇騰在審：GLM-5.3 kpool 的 fp8_mqa_logits 示例，雙 kernel 加 AIV/Cube 分工（#1966）

對照主倉 kpool 目錄下的 GLM-5.3 fp8_mqa_logits 示例做昇騰版。運算元語義是 GLM-5.3-Flash 稀疏注意力 indexer 的池化歷史打分：對每個 query 行，在有效 pool 區間內按分頁表從 64-pool 頁讀 E4M3 key（uint8 承載位元組加 fp32 scale），反量化後算 32 個 indexer 頭的 MQA 打分，乘 per-pool scale，經 ReLU gate 與按頭加權歸約為每個 pool 一個 FP32 logit，範圍外或無效頁輸出負無窮。實現是雙 kernel：mask kernel 按 64-pool tile 生成逐 lane 的 0 或負無窮掩碼以替換宿主預填，main kernel 每行每頁一個 block、兩個 AIV 各處理 32-pool 半頁，Cube 讀整頁做一次 64×32×128 的 GEMM。頭數 32、維度 128、頁大小 64。

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

2.5 昇騰：四筆文件與 API 事實核查合入，clamp 在 PTO 上真正生效（#1899 / #1893 / #1620 / #1600）

四筆都在 10-30 合入，屬持續進行的 API 事實核查批次：#1899 核對 T.tile.bitwise_xor 文件（#1681 的重提），#1893 核對 T.tile.bitwise_rshift（#1676 的重提），#1620 讓 T.tile.clamp 在 PTO 上真正生效並同步文件，同時補測試與 API 文件，#1600 更新 axpy 的 docstring、加強測試並補 API 文件。同批次另有 #1968、#1967、#1974 在審，分別是 sigmoid 與 round 計數折半、符號形狀解析快取、整塊行切分下 tile 尺寸被錯誤折半的修復。

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

2.6 昇騰：日測 2970 用例全部透過，11-01 有一次 workflow 失敗（#1977 / #1976）

11-02 06:42 的日測記錄為 2970 項、透過 2970 項、失敗 0 項，透過率 100%；10-31 06:56 的一期同樣是 2970 項全過。中間 11-01 05:08 有一期標記為 workflow test job failure，與本視窗內 #1975 的遷移改動、#1971 的 RFC 同期出現，屬需要留意的波動而非穩定迴歸。

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

2.7 海光：MLS 邊界與持續 WASP 同步修復合入，gfx948 相容在審（#31 / #32）

#31 合於 10-30 10:56，三件事：改進動態 MLS 邊界推斷與 MatrixStore 的 stride 處理；修 MMAC 與 blockscaled GEMM 的 clear_accum 下沉；在持續 WASP 路徑改用 M 分割槽消費者與獨立的 A/B 柵欄，同時保留 slot 與 phase 輪轉並對尾部消費者加同步。#32 在審，把 gfx948 當作 gfx946 相容處理，讓既有指令能直接在新型號上走通。前一視窗報道的普通複製 LDS swizzle（#30）已在同期落地。

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

2.8 mlir-ascend：CI 清掉內部快取服務引用，Codex 工作流在審（#206 / #208）

#206 合於 10-31 07:24，把 CI 裡指向內部快取服務的內容清掉，屬可復現性清理。#208 在審，為 Operator Harness 加首批 Codex 工作流：用迭代提問完成專案初始化、把已有運算元倉接入、以及從持久化上下文恢復開發、調優或分析；三個 skill 共用 .workspace/ 下的可編輯 Markdown 記錄，任務交接區分「當前候選」與「已驗證的最佳候選」，保留失敗與回退實驗。作者明確本次沒有真實 NPU 實測，NPU 執行適配與 npm 分發列為後續工作。

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

2.9 摩爾執行緒與沐曦視窗內無推送（11-02）

tilelang-metax 最後推送停在 10-26，tilelang-musa 停在 09-30，兩倉在本視窗的 72 小時內都沒有提交。這意味著本期的後端動態集中在昇騰、海光與 mlir-ascend 三側。

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

三、生態與採用方（TileOPs / TileFoundry / TileKernels / FlashQLA）

3.1 TileOPs：72 小時 15 筆合入，13 筆壓在 11-01，幾乎每筆都帶實測表與清單迴歸門檻（11-01）

v0.1.0 釋出後，TileOPs 在 11-01 一天合入 13 筆，加上 10-30 的 #2794 與 10-31 的 #2795，72 小時共 15 筆。改動幾乎全部是 perf 類，覆蓋注意力、GEMM、逐元素、歸約與 MoE，每一筆都給出 H200 上的 busy 與 back-to-back 兩組時間、或與 vLLM、FlashInfer 的對照，並宣告 manifest 裡沒有已測行回退。這種「帶表合入」的方式說明運算元庫已經進入按 shape 逐行校準的階段，而不是補功能。

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

3.2 TileOPs：GQA 稠密前向用一條實測規則選 decode 或 prefill 程式，選擇遺憾從 1.818 降到 1.017（#2808）

合於 11-01 13:04。GQADenseFwdOp 與 GQADenseWithLSEFwdOp 改由同一個規則 AttentionCall.dense_decode_program 決定走哪套程式，輸入是 query 與 key 長度、batch、頭分組、head dim、RoPE 與 SM 數：2 至 64 個 query 位置走 warp 專用 decode，一個 KV 頭組內每個位置打包進 64 行塊；單個 query 位置時按 32 段切分填滿一波、或走 1 序列 1 至 2 個 KV 頭的 batch-1 程式。相對最快可用程式的選擇遺憾（幾何均值與最大值）：單位置 1.068 與 1.87 降到 1.018 與 1.69，2 至 128 位置 1.818 與 25.2 降到 1.017 與 1.81。同時修掉主線兩個錯誤：score scale 乘上 log2(e) 後在 FP32 下消失導致 NaN 或錯值；D256 多位置呼叫在 SM90 上因共享記憶體不足啟動失敗。

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

3.3 TileOPs：分頁 MHA decode 擴到共享記憶體裝得下的每個 head dim，GQA 分頁前向去掉舊 decode 核（#2807 / #2797）

#2807 合於 11-01 12:30，把分頁 MHA decode 在「一個塊的共享記憶體裝得下」的前提下擴到每個 head dim，此前遇到較大 head dim 會直接不走這條路徑。#2797 合於同日 03:54，從 GQAPagedFwdOp 裡刪掉舊的 paged decode kernel，並把分頁 MHA decode 的上限壓到能編譯出來的 head dim 上，等於把前一版留下的越界能力收回。兩條合起來是一次「先擴能力、再削冗餘」的收尾。

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

3.4 TileOPs：coop2 生產者收成單 warp、新增 192 寬轉置塊，W4A8 部分一波改成一 CTA 一 tile（#2806 / #2805）

#2806 合於 11-01 12:02，把 Hopper GEMM 的 coop2 生產者從多 warp 收成一個載入 warp，並在共享記憶體允許三級流水時提供 192 寬的均勻轉置塊；H200 上 wgrad-q-b 從 384.9 微秒降到 382.3，mlp-up fp16 從 317.9 微秒降到 311.9（back-to-back 分別 458.5 到 449.6、369.0 到 367.3），作者宣告沒有已測 GEMM 行回退，本筆屬 #2791 目標的一部分，雙卡確認仍未完成。#2805 合於同日 10:36，讓填滿至少四分之三 SM 的部分一波 W4A8 prefill 柵格改成一 CTA 一 tile 而非 stream-K；llama-8b-up-b33 從 23.52 微秒降到 17.98（vLLM 20.42），b128 從 31.33 降到 23.39（vLLM 24.05），清單外 M 33 至 128 的 44 組 N/K 掃描中改排程形狀快 5% 至 36%、中位 18%、無一變慢。

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

3.5 TileOPs：編譯快取按構建目標鍵控，運算元層統一檢查輸出與輸入重疊（#2802 / #2801）

#2802 合於 11-01 11:31，修的是編譯程式快取跨裝置複用的問題：構建器與 Op 條目都按構建目標做鍵，懶編譯與自動調優留在預期裝置上，驗收為 99 專案標隔離、供應商與分組 GEMM 測試。#2801 合於同日 10:33，把「輸出不得與任何其他呼叫張量共享位元組」的檢查提到運算元層，由 manifest 的 overlaps 欄位按運算元宣告例外，刪掉了 MoE unpermute、MoE 分組 GEMM、持續 GEMM 模板等四處 kernel 側檢查；順帶修掉主線一個競態：IndexedExpertMLPFwdOp 允許 out 與 topk_weights 重疊，而後者在寫入時仍被歸約讀取。MoEPostPermuteFwdOp 帶 out 的宿主耗時從 51.48 微秒降到 39.33。

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

3.6 TileOPs 在修缺陷：Norm 四運算元在遠離零的行丟精度、約 1e36 溢位成 NaN（#2812）

11-01 新開。LayerNorm、AdaLayerNorm（含 -Zero）、GroupNorm 與 BatchNorm 目前都用原始行的 fp32 直接求和取均值與方差（BatchNorm 用 E[x²] 減均值平方），這正是 #2773 為 FusedAddLayerNorm 修過、#2811 為 InstanceNorm 訓練核在修的同一類缺陷。表現是：常數 10000.1 的 fp32 行歸一化後輸出約等於正負 weight 而不是 bias，10000 加隨機數的行在 fp32 容差下對不上 float64 參考；接近 1e36 的行求和溢位，fp32 與 bf16 下全部輸出 NaN。受影響路徑覆蓋 fragment、共享記憶體走查、一行一 warp、分塊與流式等多種實現。

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

3.7 TileFoundry：lowering 把 issuing mesh 與視窗切分收進一處決策，83 個排程夾具位元組一致（#280 / #282）

#280 合於 10-31 00:47，把「每次呼叫發射什麼」的決策收進一處；#282 合於 11-01 11:47，繼續把「由哪個 mesh 發射」與「視窗怎麼切」也收到一處：analysis/emission.py 新增 copy_mesh、issue_owner、issue_mesh，copy_mesh 與 issue_owner 共用一個助手，兩者唯一的差別（Partial 怎麼讀）只留在一處；三處重複的 Slice 切分改由 _cut 助手統一。驗收方式是位元組級對照：83 個排程夾具裡 75 個 finalize 輸出與主線完全一致，其餘 8 個在主線上同樣失敗；docs/spec/passes.md 第 7.1 節把這套 mesh 決策寫進規範。

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

3.8 TileFoundry：站點發布 0.3 版排程文章《Scheduling, Designed for Agents》（#4 / #281）

站點倉在 10-30 合入 #4，釋出 0.3 版文章《Scheduling, Designed for Agents》，同時補了文章與配圖的目錄結構、公式的 MathJax 支援、圖注與表格樣式以及每個圖表錨點，首頁 Blog 卡片改為開啟部落格索引，索引列出兩篇文章；upstream-ref 未變，站點仍渲染 v0.0.3。倉庫側 #281 於 10-31 在 README 裡通告這篇文章。對 TileFoundry 這條線來說，這是把「面向 agent 的排程」從程式碼與釋出說明搬到公開敘述的一步。

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

3.9 採用方：FlashQLA 合入 SM120 的 Dual-CP 前反向，2 張 RTX 5090 上對 32K 至 128K 序列與 Inter-CP 對比（#51）

10-30 03:02 合入。改動為 SM120 增加 Dual-CP 的前向與反向：前向複用已有的 state-scan kernel 做卡級狀態聚合，有序 M 乘積按 32 列一塊計算以控制在共享記憶體內；反向用轉置後的 M 逆序傳播狀態，複用前向快取下來的 M 矩陣；同時修掉反向 kernel 裡一處共享記憶體競態，辦法是讓第 7 階段與 dV 儲存 warp 同步。效能在 2 張 RTX 5090 上以 BF16、chunk 32、序列長 32K 至 128K 對比 Inter-CP，每例 3 次中位數、每次 25 次預熱加 100 次計時。

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

3.10 採用方：TileKernels 自 10-14 起無推送（11-02）

深度求索的 TileKernels 最後推送停在 10-14，本視窗無變化。採用方這一側本期的有效動態全部來自通義 FlashQLA。

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

四、社群、教程與活動

4.1 RISC-V 研究鏈成形：三個倉把 Numba CUDA Python 轉 TileLang，再把受限 PrimFunc 落到單 hart RVV C（10-31）

社群研究者 zishu0131-png 在 10-31 同日整理出三個倉：tilelang-riscv 作總入口，說明研究目標、兩段編譯鏈路與版本組合；numba2tilelang 負責把 Numba CUDA Python 靜態解析後轉成 TileLang 原始碼；tilelang2rvv 把受支援的真實 tvm.tirx.PrimFunc 轉成 RVV intrinsic C，再經 Clang 編成 RV64GCV ELF，在 QEMU virt 上以單 hart 執行。作者把邊界寫得很清楚：這不是 TileLang 官方註冊的後端，也不是通用 GPU 模型模擬器，依賴 threadIdx 的定址、跨 hart 同步與未支援的 IR 一律拒絕，block 順序執行，shared 與 fragment 對映為單 hart 區域性陣列；研究環境為 TileLang 0.1.15、Clang 23.1.3、QEMU 11.1.0，不保證其他版本相容，且明確上游執行緒級產物不能自動視為該後端可接受的輸入。

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

4.2 PTO-ISA/tilelangGym 從 PTO-ISA/tilelang 獨立成倉，主迴歸門是昇騰 SimtVF 路徑（10-30）

這套敏感性與迴歸測試集從 PTO-ISA/tilelang 的 examples/ascend/t_parallel_st_suite 拆出來，理由是讓測試集能獨立釘住 TileLang 與 PTOAS 的版本。當前三條主路徑：昇騰 SoftLib SimtVF（target=ascend、cython，主迴歸門，在 remat 版本上全過）、VectorizeParallelToPTO 與 VL 的 vload/vstore，以及 benches 下用 @pto.jit 寫的手工 SIMD DSL 對照實現；每個用例目錄裡帶 config.toml 與 VERDICT.md，另有周度與 CI 迴歸指令碼。

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

4.3 新聞側：Google News 中英文查詢、Hacker News、arXiv 均無視窗內實質命中（11-02）

三天的 Google News 中英文查詢沒有返回任何落在視窗內的 TileLang 相關報道，Hacker News 與 arXiv 同樣沒有新條目；候選清單裡的 20 條全部來自 GitHub 倉庫推送，屬常規程式碼活動而非新聞。本期的資訊面因此完全由倉庫側與社群倉構成。

來源：https://news.google.com/

五、趨勢觀察

這一視窗最值得記錄的判斷來自上游自己：寧可回退正確性改進，也要把 ThreadSync 的複雜度從關鍵路徑上撤下來。回退說明裡寫清了代價——商守衛、精確參與執行緒界、非矩形執行緒集這三類改進一併撤回，只保留舊的保守路徑，#3732 留待 TIRX 遷移完成後再談最佳化。一個編譯器專案願意公開寫「我們的證明器預算不夠，先退回保守實現」，比再堆多少功能都更能說明當前階段的真實約束：TIRX 遷移是主線第一優先順序，其他最佳化都要給它讓路。

與之呼應的是昇騰側兩份「向主線收斂」的文字：#1971 的 RFC 要把同步演算法換成主線核心加獨立 Z3 證明服務，先調研、後替換、中間留舊 TIR 適配層；#1975 直接把整個 Ascend 倉遷到主線多後端架構。兩條路都要付出遷移成本，於是近期的可見工作會偏向地基類：#1948 把每次呼叫的固定宿主開銷從約 450 微秒壓到約 106 微秒，四筆文件事實核查，CI 清理內部快取引用，都是這類工作。

TileOPs 的節奏則從「發版」切到「調優」。72 小時 15 筆合入裡 13 筆壓在同一天，幾乎每筆都附 H200 實測表與「manifest 無回退」宣告，並且開始用選擇遺憾這類指標描述排程規則的好壞（#2808 從 1.818 到 1.017）。這意味著運算元庫的競爭點已經從「有沒有這個運算元」變成「每條 shape 上是否都挑對了程式」，而這恰好是 TileLang 這類 DSL 相對手寫 kernel 的長期價值所在。

生態側出現兩條新分叉。一條是硬體方言：海光把 gfx948 當 gfx946 相容、昇騰繼續補 PTO 文件與符號形狀。另一條是語言出口：RISC-V 研究鏈把受限 PrimFunc 降到單 hart RVV C，星標很低、作者也明確宣告不是官方後端，但它把 TileLang 的 IR 當作可移植資產來用，與昇騰、海光的倉級分支適配是同一類訊號。多條分叉同時存在，上游 TIRX 遷移能否給出穩定的 IR 邊界，將決定這些下游投入是沉澱還是返工。

附、素材與核查說明

信源核查表

信源 核查結果
tile-ai 組織（29 倉庫） 視窗內推送 10 個倉庫
主倉 tilelang 主分支 7 筆合入；新開 issue 4 條；文件站 3 筆
TileOPs 主分支 15 筆合入（13 筆在 11-01）；新開 issue 3 條；站點 1 筆
TileFoundry 3 筆合入；站點 1 筆
tilelang-ascend 5 筆合入；新開 issue 4 條（含日測記錄與 RFC）
tilelang-hygon 2 筆合入；1 筆在審新增
tilelang-mlir-ascend 1 筆合入；1 筆在審新增
tilelang-metax / tilelang-musa / TileRT / tilescale / DeepStack 視窗內無推送
釋出頁（tilelang / TileOPs / TileFoundry / tilelang-ascend / tilelang-hygon / mlir-ascend） 視窗內無新版本
FlashQLA 1 筆合入（#51）
TileKernels 自 10-14 起無推送
RISC-V 研究鏈三倉 / PTO-ISA/tilelangGym 有推送，研究鏈三倉同日建鏈
Google News / Hacker News / arXiv 無視窗內實質命中

完整信源清單

WASP 同步（#31）— https://github.com/tile-ai/tilelang-hygon/pull/31

** TileFoundry 釋出頁 — https://github.com/tile-ai/TileFoundry/releases