已修复问题

问题描述	torch_npu.fused_linear_cross_entropy_loss_with_max_sum_grad存在部分用例精度不达标，API确定性一致性结果中存在部分用例50次结果不一致
严重级别	严重
根因分析	vector同步机制逻辑错误，极小概率出现内存踩踏，造成精度异常和不确定性结果
解决方案	修改vector同步机制，修复内存踩踏问题
修改影响	修复问题

问题描述	16卡场景以及双机8卡场景，ReduceScatterV图模式进行性能测试时，开启非确定性计算会发生报错
严重级别	严重
根因分析	RSv算子在多机图模式场景下默认切入确定性计算流程，在静态图下，流的计算在编译阶段进行计算，比单算子模式要早进行计算
解决方案	RSv算子在开启确定性计算&图模式时，需要重新计算streamNum
修改影响	修复问题

问题描述	aclnnInplaceNanToNum算子精度测试不通过，当输入tensor为nan时，输出结果与标杆不符。
严重级别	严重
根因分析	aclnnInplaceNanToNum的功能为将输入中的NaN、正无穷大和负无穷大值分别替换为nan、posinf、neginf指定的值。但是算子内部实现是按照self->替换nan->替换posinf->替换neginf；导致如果输入为nan，指定nan替换的值为inf时会被继续替换。
解决方案	修改替换逻辑，保证nan替换的值为inf时不会被继续替换
修改影响	修复问题

父主题： 已知问题和已修复问题