T4 讲解：从一个随机失败到十行回归测试

① 全流程

② fuzz：边界尺寸是关键

drillsrandom_case / fuzz（89–106 行） 的尺寸只从 edge_sizes(64, 256) = [1, 63, 64, 65, 97, 129, 288] 里抽。纯随机的 randint(1, 4096) 也能撞到这个 bug（大多数 n 都不是 64 的倍数），但会撞到像 [2731, 1509] 这样的输入，缩小要多花很多次；如果 bug 只在 n = 65 这样的特定值出现，随机尺寸几乎永远撞不到。边界尺寸是把“可能出错的地方”直接放进样本。

drillsdifferential_check（124–128 行） 用 float64 参考和 K3 的容差：tolerance(dtype, n, c=4)，atol 再乘 √n。少了一列 N(0, 1) 的值，误差约为 1，远大于任何 dtype 的容差，所以这个 bug 在所有 dtype 上都可见——这也是 shrink 能一路简化到 fp32 的原因。

③ shrink_case：一维一维地缩

drillsshrink_case（63–86 行）：

drillsshrink_int（45–60 行） 先试减半、再试减一：对 rows 这种单调的条件，减半是对数步；对 cols（n > 64 且 n % 64 ≠ 0），减半到 32 会通过，于是改为减一，65 → 64 也通过，停下。

④ ddmin：缩一个列表

drillsddmin（22–42 行） 对 range(20)、条件“同时含有 3 和 17”：

ddmin 的结果是 1-minimal：去掉任何一个元素都不再失败，但不保证全局最小（对“含有 3 和 17”来说两者一致）。它最常用在 IR 上：把出错前的 TTGIR 按行（或按 op）交给 ddmin，fails = “triton-opt 跑这段 IR 是否还崩溃 / 输出是否还错”。测试 test_ddmin_ir_lines 就是一个缩到“一个 tt.dot + 一个 convert_layout”的玩具版本。

⑤ to_pytest：生成的测试必须真的能跑

def test_row_sum_regression():
    # minimized by t4_minimize.shrink_case; seed=0
    rng = np.random.default_rng(0)
    x = rng.standard_normal((1, 65)).astype(np.float32)
    np.testing.assert_allclose(row_sum(x), x.astype(np.float64).sum(axis=1), rtol=1e-3, atol=1e-3)

测试 test_to_pytest_runs 把它 exec 两次：用 buggy 实现必须失败、用正确实现必须通过。“修复前失败、修复后通过”是一个回归测试唯一的价值，生成器也要被这样检验。

⑥ 写成 Triton 的风格

在 tritontest_core.py 里，同类测试通常是：

@pytest.mark.parametrize("M, N", [(1, 65), (3, 129)])
@pytest.mark.parametrize("dtype_str", ["float32", "float16"])
def test_row_sum_tail(M, N, dtype_str, device):
    x = torch.randn(M, N, dtype=getattr(torch, dtype_str), device=device)
    ...
    torch.testing.assert_close(out, x.float().sum(1), rtol=..., atol=...)

形状参数里保留最小案例，再加一两个“同一类”的案例（另一个非整除长度、多行），防止修复只对 65 有效。

⑦ 源码与资料索引

• tritonTriton CONTRIBUTING.md · tritontest_core.py
• Zeller & Hildebrandt：ddmin · Hypothesis：shrinking
• tritonMLIR_ENABLE_DUMP：拿到每个 pass 前后的 IR

⑧ 自测