PaddlePaddle/Paddle v3.4.0

PaddlePaddle 3.4.0 Release Notes

on GitHub

重要更新

飞桨框架 3.4 版本围绕大模型训练的训练效率、算子正确性、稳定性以及国产硬件适配等关键领域持续迭代。本版本新增面向大规模分布式训练的高性能 Muon 优化器；持续打磨核心算子的数值精度，并针对大模型训练中高频出现的大 Shape Tensor、0-Size Tensor 场景做了系统性的正确性排查与修复，进一步夯实大模型训练的稳定性与正确性。同时，生态兼容能力与昆仑芯 XPU 适配持续深化，开发体验和推理部署能力同步提升。需要说明的是，本版本是最后一个提供 Windows 系统支持的版本。

训练效率提升

• Muon 优化器：新增 Muon 优化器，基于 batched GEMM、对称 GEMM 等技术对 Newton-Schulz 正交化过程做了高性能优化，并具备大规模并行训练能力。
• 基于 VMM 的 Allocator v2：新增基于 CUDA 虚拟内存（VMM）的 best-fit 分配器 v2，支持大/小内存池分离查询与全 block 信息查询，改善 MoE 等动态显存场景下的碎片管理，显著减少显存碎片，并提供高性能的碎片整理能力。
• FP8 量化能力增强：fp8_quant_blockwise 等 FP8 量化算子新增 ue8m0 scale 数据类型支持，并将适用范围扩展到非 128 对齐 block、大 Tensor 等场景。

正确性增强

• 核心算子精度提升：系统性提升 matmul、linear、reduce 系列、elementwise 系列、activation 系列算子，以及 AdamW、layer_norm、rms_norm、group_norm、conv 等核心算子的计算精度。
• 大 Shape Tensor 与 0-Size 正确性增强：系统性修复大 Shape Tensor 上的 int32 索引溢出，以及 0-Size Tensor 引发的 CUDA error(9)、段错误等正确性问题，全面保障大 Shape Tensor 与 0-Size 场景下的训练稳定性。

开发体验优化

• 动转静（SOT）持续增强：SOT 全面支持 Python 3.11–3.14，新增多种字节码指令的处理能力，并实现与 PyTorch 对齐的反向 DFS 遍历调度。

国产硬件深度适配

• 昆仑芯 XPU：新增 batched_gemm 与 CUDA Graph 支持，深度适配 DeepEP buffer 及 bkcl 通信库（支持 w4a8/w8a8 量化），并新增 complex128 数据类型支持。
• 海光 DCU：将 CUDA native API 适配为 HIP native API，并在 ROCm 上为 conv 系列算子注册 bfloat16 kernel，进一步完善国产芯片适配并提升推理性能。

1. 训练效率提升

分布式策略优化（61 项）

• 通信与计算重叠：新增 p2p 通信与数据并行权重更新/重计算之间的重叠，并支持上下文并行、FlashMaskV3 场景下的通信计算重叠（5 项）：#79709, #79522, #79357, #78783,#78184
• 流水线并行：合入 PaddleFleet 流水线并行实现，支持 MTP 权重共享、参数 offload 与显存优化（11 项）：#79692, #79551, #79394, #78688, #78680, #78449, #78437, #78230, #78229, #77852, #77812
• Muon 优化器：新增基于 Newton-Schulz 正交化的优化器，并完善其分布式 sharding 支持、通信优化与 bf16/fp32 混合参数处理，同时通过 batched Newton-Schulz 迭代、对称 GEMM 等手段优化性能（16 项）：#79688, #79538, #79512, #79485, #79020, #78987, #78953, #78856, #78828, #78748, #78335, #78928,#79741, #79715, #79495, #79048
• 分布式训练其它优化与增强：Sharding 重建、显存/内存优化、启动脚本健壮性提升等（6 项）：#79634, #78522, #78310, #77459, #77152, #76591
• FlexCheckpoint：增强权重转换与重组能力，覆盖 AOA、safetensors、DCP 加载、3D CommGroup 重分片等场景（10 项）：#78818, #78290, #78208, #77702, #77405, #77180, #77065,#79734, #77266,#79632
• 自动并行与 MoE / 专家并行：新增 MoE FSDP、GLM5 EP 推理、Qwen3-VL 适配与 SPMD 推导规则等能力（4 项）：#78392, #78108, #77722, #77308
• FSDP / 自动数据并行：新增 tensor fusion 与通信重叠能力，并修复 ACC 显存占用等问题（4 项）：#78247, #78074, #77460, #77147
• 分布式训练 Bug 修复（5 项）：#78805, #78575, #78564, #77256, #77050

基础功能增强（30 项）

• 序列化与加载：paddle.save 支持 protocol=5 以实现零拷贝，并修复 dataclass 加载报错（2 项）：#79675, #78452
• 调试工具：新增 GPU tensor 调试与 CUDA error 检查能力，并增强 api_tracer（6 项）：#78842, #78543, #78481, #78331, #78116, #77669
• 动转静（SOT/Dy2St）：新增字节码指令与 SizeVariable 支持，增强图编译能力与缓存命中校验（7 项）：#77839, #77571, #77420, #77354, #77173, #77020, #76766
• CustomDevice：支持自定义设备的混合编译（1 项）：#77727
• CINN：支持在 CustomDevice 上运行（1 项）：#77158
• DataType：优化哈希计算性能，并修复枚举顺序问题（1 项）：#78076
• PyLayer / recompute：优化 forward 输入处理，并修复 save_for_backward 与浅拷贝相关问题（2 项）：#77899, #78053
• 其它功能增强（10 项）：#78521, #78055, #77879, #77829, #77675, #77651, #77533, #77089, #76773, #77898

显存分配器（9 项）

• 显存分配器：新增基于 CUDA 虚拟内存的 VMM v2 best-fit 分配器及内存池查询 API，并修复相关 core dump 问题（9 项）：#79598, #79453, #79307, #79261, #78465, #78344, #78317, #77796, #77196

Bug 修复（30 项）

• 内存安全：修复 PyObject 内存泄漏与引用计数错误（4 项）：#79344, #78965, #77448, #77234
• 修复 inplace API 误覆盖已有 Tensor 名称的问题（1 项）：#79218
• 修复 PyLayer / recompute 的数据提前释放、梯度节点属性拷贝等问题（3 项）：#78796, #78531, #77150
• 修复 CUDA Graph 兼容性问题（3 项）：#78568, #78535, #77226
• 修复 paddle.device / paddle.cuda.device 相关问题（3 项）：#78512, #78104, #77463
• 修复 DataType 相关问题（1 项）：#78086
• 修复 SOT 相关问题（6 项）：#77290, #77249, #77227, #77083, #77009, #77005
• 修复 PIR 相关问题（1 项）：#77016
• 其它 Bug 修复（8 项）：#78844, #78276, #78119, #77710, #77626, #77478, #77075, #78478

2. 算子优化完善

精度优化（46 项）

• 优化索引/切片类算子的计算精度与形状校验（1 项）：#79727
• 矩阵乘法系列精度优化：涵盖 matmul、linear_v2、addmm、baddbmm 等（5 项）：#79515, #78961, #78750, #77039, #76922
• reduce 系列算子精度优化：涵盖 layer_norm、rms_norm、group_norm、var/std、reduce 等（14 项）：#79651, #79530, #79529, #79407, #79390, #78622, #78338, #78321, #78246, #78225, #78219, #78201, #76950, #76831
• 超越函数精度优化：涵盖 sin/cos/exp/pow/log 等（7 项）：#79557, #78265, #78241, #78186, #78095, #77855, #77564
• 复数运算精度优化（2 项）：#79471, #79322
• 优化器精度优化：深度优化 AdamW/SGD GPU kernel，精度对齐 torch（3 项）：#79389, #78899, #78752
• 随机/初始化精度优化：涵盖 randperm、kaiming、gaussian、truncated_gaussian 等（3 项）：#79309, #79271, #78614
• 优化 cumprod/cumsum/lerp/interpolate 等算子的计算精度（4 项）：#78147, #78146, #77149, #77091
• 卷积精度优化：conv2d/conv3d/conv2d_transpose 精度对齐 torch（1 项）：#76980
• 新增 cudnn_allow_tf32 / cublas_allow_tf32 开关，用于控制是否允许使用 TF32 Tensor Core（1 项）：#77781
• 修复 Tensor 转 Scalar 过程中的数值溢出问题（1 项）：#77013
• 其它算子精度优化（4 项）：#79451, #79308, #78044,#78798

性能优化（22 项）

• permute/transpose：重新设计实现算法，针对解码场景优化性能（4 项）：#79742, #78063, #77524, #77371
• 优化 cuBLAS workspace 的管理与复用性能（4 项）：#79442, #79406, #79374, #77874
• 归一化 kernel 性能优化：涵盖 rms_norm、layer_norm、squared_l2_norm 等（4 项）：#79047, #77709, #77337, #77098
• 优化器 kernel 性能优化：优化 Adam/AdamW GPU kernel，并将学习率的计算类型提升为 float64（2 项）：#79044, #78949
• TopK：基于 radix-select 与多层排序重写 GPU kernel，并修复相关问题（2 项）：#78703, #79704
• 其它算子 kernel 性能优化（6 项）：#78601, #77818, #77233, #77071, #76988,#79150

大 Shape Tensor 与 0-Size 正确性（55 项）

• 大 Shape Tensor 正确性：系统性修复 int32 索引溢出与越界访问问题（27 项）：#79702, #79662, #79661, #79649, #79597, #79595, #79583, #79560, #79548, #79440, #79212, #79010, #78978, #78779, #78494, #78454, #78451, #77729, #77383, #77368, #77154, #77143, #77074, #79536, #79480, #77090, #77191
• 0-Size Tensor 正确性：系统性修复各算子对 0-Size 输入的处理，消除 CUDA error(9)、段错误等异常（28 项）：#79658, #79591, #79408, #79283, #78565, #78486, #78482, #78453, #78446, #78442, #78440, #78439, #78432, #78371, #78316, #78245, #78243, #78238, #78237, #78097, #78096, #78094, #78075, #78065, #77593, #77481, #78064, #79589

Bug 修复（38 项）

• 修复 view/stride 类算子的相关问题（8 项）：#79655, #79163, #78988, #78612, #78348, #78089, #77555, #77244
• 修复算子输入与形状校验问题：涵盖 baddbmm、matmul、segment_*、correlation 等（4 项）：#79574, #78506, #77642, #77637
• 修复归一化算子问题：涵盖 layer_norm/rms_norm 反向计算等（8 项）：#79528, #79241, #78792, #78755, #78567, #77577, #77335, #77274
• 修复 FP8 量化算子的相关问题（2 项）：#79100, #77398
• 修复注意力算子问题：涵盖 memory-efficient attention 的 mask 广播、fused_rotary 等（2 项）：#78530, #77014
• 修复其它算子问题：涵盖 full_like、slice、log、arange/range 等（4 项）：#78191, #77140, #78788, #78149
• 其它 Bug 修复（10 项）：#79590, #79525, #78786, #78286, #78253, #77501, #77445, #77257, #77134, #76829

算子其它优化（24 项）

• 算子功能扩展：cumsum 支持 bool、truncated_gaussian 支持 bf16，新增 div_scale、mm out_dtype 等能力（7 项）：#79285, #78360, #78199, #77782, #77740, #77646, #77507
• 卷积：新增 SlowConvDilated/SlowConv3DDilated kernel，并在 ROCm 上注册 bf16 支持（2 项）：#78587, #77807
• FP8 量化：fp8_quant_blockwise 支持 ue8m0 scale、非 128 对齐 block 与大 Tensor 场景（8 项）：#78315, #77433, #77351, #77284, #77165, #77153, #77133, #77652
• FlashAttention：放开 fa3 的参数限制（1 项）：#77811
• MoE：扩展 moe_permute/moe_unpermute 的推理特性，并支持 ue8m0 scale（1 项）：#77547
• 其它算子优化（5 项）：#78430, #78412, #78039, #77466, #77321

3. 用户体验升级

本版本重点推进开发体验优化。C++ 侧新增 libtorch 兼容层（提供 torch/torch.h 头文件，并补齐 ScalarType、TypeMeta、SymInt、TensorAccessor、DLPack v1.3 等能力）；Python 侧系统性对齐参数别名、Tensor 方法与 inplace 语义，并引入 inplace API 下沉机制。同时新增 index_fill、paddle.audio.functional.resample、assert_close 等实用 API，并修复 pickle 反序列化等安全漏洞。
Python API 优化（100 项）

• Tensor 方法补齐：新增 nelement、is_cpu、sparse_mask、retain_grad 等方法，并对齐其行为（10 项）：#78615, #78593, #78516, #78491, #78301, #78264, #78224, #78164, #78083, #77367
• 参数别名兼容：为大量 API 增加 torch 风格的参数别名（如 input→x、dim→axis、target→label）并支持 out 参数（52 项）：#78589, #78539, #78475, #78472, #78298, #78294, #78204, #78140, #78134, #78133, #78132, #78128, #78114, #78092, #78077, #78069, #78048, #78047, #78046, #78004, #77981, #77973, #77923, #77922, #77920, #77919, #77916, #77891, #77877, #77801, #77766, #77715, #77681, #77657, #77591, #77573, #77561, #77497, #77451, #77391, #77355, #77300, #77218, #77211, #77194, #77170, #77168, #77079, #77012, #77006, #76578, #77495
• 数据加载兼容：Dataset/Sampler/BatchSampler 的别名与 PyTorch 对齐（2 项）：#78401, #78382
• 修复 paddle.device 相关兼容性问题（4 项）：#78350, #77490, #77467, #77431
• 新增兼容 API：paddle._assert、assert_close、pad_sequence/unpad_sequence、log_softmax 等（4 项）：#78342, #78220, #77749, #76847
• 算子实现下沉 C++：real、inverse、allclose、diag、atan2 等 API 由 Python 实现下沉至 C++，降低调度开销（9 项）：#78212, #78198, #78138, #77294, #77161, #77078, #77064, #76939, #76736
• 原地操作：为 paddle.nn.* 系列 API 补充 inplace 支持（2 项）：#77103, #76873
• 新增 rms_norm 公开接口（1 项）：#76930
• 其它 Python API 兼容性调整（16 项）：#78438, #78406, #78235, #78082, #77892, #77889, #77869, #77849, #77824, #77789, #77778, #77751, #77632, #77506, #77010, #76915

新增 API（2 项）

• 新增 index_fill/index_fill_、paddle.audio.functional.resample、paddle.testing.assert_close、Tensor.reset、Tensor.layout 等 API（2 项）：#78041, #78032

C++ API 兼容 Torch（自定义算子）（64 项）

• CUDA 上下文与设备：补齐 Stream/Event、pin_memory、record_stream 等 C++ 实现（9 项）：#79593, #78652, #78631, #78584, #78553, #78255, #78143, #78060, #77436
• C++ API 补齐：新增 Generator、Philox、CUDABlas、TensorAccessor、storage、Sparse、Tensor.reset/layout 等接口（9 项）：#79562, #78072, #78070, #77649, #77581, #77498, #77319, #77185, #77176
• 头文件与 schema：新增 torch/torch.h 头文件，并引入 schema 解析器与声明规范化机制（7 项）：#78770, #78590, #78282, #78266, #78248, #77938, #77854
• 构建与平台：支持 Windows 自动链接、XPU 测试与编译兼容性完善（4 项）：#78769, #78647, #78641, #78215
• 类型系统：补齐 ScalarType、TypeMeta、SymInt、DispatchKey 等类型定义，与 PyTorch 对齐（5 项）：#78581, #78525, #78257, #77303, #77301
• DLPack：升级至 v1.3 并对齐转换行为（2 项）：#77523, #77052
• 其它 C++ API 兼容性调整（28 项）：#78982, #78653, #78633, #78609, #78591, #78576, #78555, #78554, #78552, #78551, #78550, #78244, #78182, #78099, #78037, #78027, #78026, #77713, #77614, #77544, #77542, #77540, #77514, #77388, #77270, #77182, #77156, #77051

安全修复（3 项）

• 安全加固：修复 pickle 反序列化远程代码执行漏洞（CWE-502）与 Zip Slip 路径穿越问题，并改用 yaml.safe_load 加载配置（3 项）：#78508, #78085, #77113

4. 国产硬件适配

昆仑芯 XPU 持续完善大模型场景适配，新增 batched_gemm、CUDA Graph、DeepEP 等能力，并更新 bkcl 通信库以支持 w4a8/w8a8 量化。海光 DCU 侧则通过在 ROCm 上注册 bf16 conv kernel 与适配 HIP native API，进一步提升推理性能。
昆仑芯 XPU（30 项）

• batched_gemm：新增 XPU 上的 batched_gemm kernel 实现（3 项）：#78500, #78289, #77840
• DeepEP / bkcl：适配 DeepEP buffer，bkcl 通信库新增 w4a8/w8a8 量化支持（3 项）：#77837, #77742, #77017
• 算子补齐：新增/对齐 top_p_sampling、linspace、bicubic 插值、masked_select 等算子（4 项）：#77737, #77699, #77677, #77023
• 设备属性：新增 get_device_properties 与 set_xpu_current_device_id 接口（2 项）：#77568, #76877
• 0-Size Tensor：为 XPU 算子补齐 0-Size 输入支持（7 项）：#77557, #77494, #77455, #77387, #77363, #77348, #77332
• CUDA Graph：XPU 新增 CUDA Graph 支持，并正确处理 stream 语义（2 项）：#77421, #77311
• complex128：为 XPU 新增 complex128 数据类型支持（2 项）：#76976, #74161
• 其它 XPU 适配与 Bug 修复（7 项）：#78626, #78563, #78227, #78177, #77217, #77188, #77135

5. 编译安装与平台支持

本版本完善编译安装与平台支持，新增 CUDA 13/13.2 的编译与运行支持、Python 3.14 适配、arm64 平台 FlashAttention 构建等能力，并升级 NCCL、protobuf、Sleef 等第三方依赖。
编译与安装（79 项）

• CUDA/NCCL：支持 CUDA 13/13.2 的编译与运行，NCCL 升级至 2.30.7，并修复相关编译兼容性问题（12 项）：#79644, #79378, #79183, #79154, #78606, #78168, #77821, #77324, #77287, #76999, #77229, #77358
• ARM：支持 arm64 平台上的 FlashAttention 构建、liblapack 打包与 ARM Dockerfile（6 项）：#79518, #79496, #79484, #78730, #78702, #78619
• 第三方依赖：protobuf 升级至 7、启用 Sleef、开启 OpenVINO 等（10 项）：#79422, #79257, #78513, #78480, #78285, #78236, #78153, #78088, #78059, #77705
• 扩展构建：优化 CustomDevice/CUDAExtension/CppExtension 的构建流程（8 项）：#78668, #78356, #77863, #77328, #77259, #77116, #76961, #76870
• DCU / Iluvatar：适配 HIP native API，并完善 CI 环境配置（5 项）：#78595, #77813, #77587, #77574, #77345
• Python 版本：新增 Python 3.13/3.14 适配，XPU Dockerfile 支持 Python 3.9（3 项）：#78558, #78515, #77703
• Windows：修复 Unicode 路径下的 DLL 加载失败、win32 变量与 phi.lib 打包等问题（3 项）：#78416, #78210, #77690
• XPU 工具链：更新 xhpc/xccl/xpufft 版本，并支持 zcc 编译器（13 项）：#77823, #77688, #77673, #77629, #77530, #77518, #77477, #77260, #77219, #77199, #77069, #77028, #76978
• 其它编译安装调整（19 项）：#79434, #78734, #78705, #78655, #78650, #78594, #78511, #78502, #78389, #78318, #78239, #77728, #77685, #77625, #77549, #77471, #77125, #77045, #76998

CI/构建（75 项）

• 优化 CI 超时设置与缓存策略（7 项）：#79674, #78045, #77890, #77786, #77701, #77680, #77640
• 升级 GitHub Actions 及 workflow 基础设施（10 项）：#79149, #78648, #78645, #78424, #78080, #78079, #77250, #77174, #77167, #77160
• 完善 CI 审批与 PR 检查流程（14 项）：#78588, #78569, #78498, #78479, #78471, #78422, #78411, #78386, #78242, #78023, #77928, #77873, #77159, #77008
• 升级静态检查工具 typos/ruff/yamlfmt（4 项）：#78145, #77761, #77700, #77171
• 引入并优化 L2 ccache 以加速构建（3 项）：#77911, #77402, #77282
• 修复 fleet 相关的 CI 依赖与安装问题（7 项）：#77800, #77658, #77346, #77343, #77323, #77267, #77192
• 其它 CI 优化（30 项）：#79635, #79409, #79380, #78700, #78592, #78573, #78548, #78458, #78431, #78343, #78329, #78312, #78188, #78034, #77901, #77767, #77668, #77635, #77553, #77535, #77521, #77505, #77468, #77432, #77292, #77289, #77258, #77081, #77044, #77000

6. 代码质量与文档

本版本系统性推进代码质量提升，完成 phi_ops 命名空间重构，并进行了大量拼写修正与文档示例格式统一，同时补充了 API 文档与测试用例。
代码风格与重构（265 项）

• 修正代码中的拼写错误与不规范命名（8 项）：#78637, #78421, #78139, #78067, #77650, #77615, #77414, #77255
• 系统性统一 phi::DenseTensor 的用法（phi_ops 重构）（28 项）：#78566, #77959, #77531, #77426, #77400, #77271, #77243, #77242, #77241, #77240, #77239, #77238, #77237, #77124, #77121, #77104, #77088, #77087, #77086, #77085, #77084, #77082, #77058, #77057, #77056, #77055, #77054, #77049
• 优化 phi::make_ddim 性能（11 项）：#78420, #78415, #78403, #78395, #78394, #78374, #77562, #77541, #77281, #77115, #77114
• 优化 common::vectorize / phi::vectorize 的实现（11 项）：#78254, #77759, #77711, #77415, #77313, #77280, #77279, #77254, #77195, #77187, #77059
• 统一 phi::DataType 的用法（4 项）：#78109, #77871, #77695, #77532
• 统一 phi::dynload 动态库加载的用法（3 项）：#77768, #77676, #77674
• 统一 phi::Place / phi::CustomPlace 的用法（3 项）：#77566, #77440, #77384
• 统一 pir:: 命名空间的用法（10 项）：#77511, #77503, #77458, #77425, #77404, #77403, #77401, #77395, #77341, #77253
• 系统性纯代码清理与重构（27 项）：#77316, #77315, #77295, #77245, #77232, #77228, #77137, #77132, #77131, #77067, #77060, #77038, #77037, #77022, #77018, #77015, #77004, #77003, #77002, #76997, #76996, #76995, #76993, #76992, #76910, #76715, #76665
• 统一 phi::CPUPlace 与设备类型判断的用法（14 项）：#77296, #77224, #77223, #77222, #77221, #77209, #77208, #77207, #77204, #77203, #77202, #77198, #77197, #77179
• 清理与 DataLayout::kNHWC 字符串相关的历史代码（6 项）：#77061, #77036, #77035, #77026, #76769, #76609
• 其它代码重构与清理（140 项）：#79519, #78825, #78646, #78583, #78580, #78559, #78519, #78510, #78501, #78433, #78413, #78400, #78396, #78390, #78376, #78322, #78300, #78256, #78218, #78217, #78211, #78200, #78196, #78190, #78185, #78170, #78167, #78166, #78165, #78142, #78141, #78137, #78136, #78120, #78110, #78051, #78050, #78049, #78030, #78025, #77957, #77936, #77872, #77870, #77860, #77815, #77809, #77808, #77802, #77769, #77734, #77733, #77724, #77723, #77707, #77706, #77704, #77683, #77678, #77627, #77606, #77605, #77604, #77603, #77596, #77595, #77589, #77579, #77558, #77534, #77522, #77509, #77502, #77456, #77452, #77443, #77442, #77435, #77428, #77427, #77423, #77422, #77418, #77413, #77412, #77411, #77410, #77409, #77408, #77407, #77397, #77394, #77392, #77386, #77378, #77377, #77376, #77375, #77373, #77327, #77317, #77312, #77309, #77307, #77306, #77299, #77273, #77246, #77236, #77230, #77216, #77206, #77205, #77184, #77183, #77142, #77139, #77130, #77129, #77128, #77126, #77123, #77122, #77120, #77119, #77118, #77117, #77112, #77111, #77110, #77108, #77106, #77101, #77100, #77094, #77092, #77062, #77041, #77032, #76764

文档（187 项）

• 修复 API 文档示例代码、补充 docstring 并更新文档链接（19 项）：#78410, #78405, #78024, #77935, #77771, #77369, #77326, #77298, #77297, #77252, #77169, #77164, #77157, #77138, #77070, #76952, #76838, #76668, #76632
• 系统性修正文档示例中的代码块标记与格式，统一为 pycon 标记（164 项）：#78022, #78021, #78020, #78019, #78018, #78017, #78016, #78015, #78014, #78013, #78012, #78011, #78010, #78009, #78008, #78007, #78006, #78005, #78003, #78002, #78001, #78000, #77999, #77998, #77997, #77996, #77995, #77994, #77993, #77992, #77990, #77989, #77988, #77987, #77986, #77985, #77984, #77983, #77982, #77980, #77979, #77978, #77976, #77975, #77974, #77972, #77970, #77969, #77968, #77967, #77966, #77965, #77964, #77963, #77962, #77961, #77960, #77958, #77956, #77955, #77954, #77953, #77952, #77951, #77950, #77949, #77948, #77947, #77946, #77945, #77944, #77943, #77941, #77940, #77939, #77937, #77934, #77933, #77932, #77931, #77930, #77929, #77926, #77914, #77912, #77910, #77908, #77906, #77905, #77904, #77903, #77902, #77900, #77888, #77887, #77886, #77885, #77884, #77883, #77882, #77881, #77865, #77864, #77862, #77859, #77858, #77857, #77856, #77853, #77850, #77830, #77828, #77826, #77822, #77820, #77817, #77799, #77798, #77794, #77791, #77777, #77774, #77773, #77764, #77763, #77760, #77758, #77748, #77747, #77745, #77744, #77721, #77720, #77698, #77697, #77693, #77692, #77686, #77672, #77671, #77667, #77666, #77656, #77645, #77634, #77633, #77630, #77620, #77618, #77617, #77616, #77613, #77612, #77611, #77608, #77607, #77600, #77570, #77569, #77513, #77493, #77472, #77462, #76794
• 其它文档修改（4 项）：#78448, #77738, #77177, #76991

测试（11 项）

• 新增 AI 编辑相关的测试用例（4 项）：#78634, #78509, #78459, #78380
• 其它测试调整（7 项）：#78562, #78561, #77804, #77750, #77586, #77446, #77046

7. 贡献者名单

Nyakku Shigure, Ryan, LiYuRio, wanghuancoder, Shuhao Liang, adam-xiaoyao, SUN Dong, Yohanna, Guoxia Wang, fxyfxy777, Nyako Shigure, zhengshengning, Zhan Rongrui, Yuqiang Ge, xingmingyyj, xuanyuanminzheng, Wang Rui, gouzil, ALGO1832, Zx, HydrogenSulfate, Haze188 灏喆, Wennie396, Difer, AlAuAu, Xiangrui Yu, Yuang Liu, Eddie-Wang, XiangzheWang, ShenLiang, HU Shenwei, Chen Kehong, AIbin, Nana, ZhenxingLi, sevenan2, tianhaodongbd, co63oc, ooo oo, sneaxiy, Gu Shiwei, wangbingguang, omoYang, baiyue, zhanghonggeng, Zhaowu Pan, zccjjj, iLeGend, Tianyu Zheng, yangguohao, Zhou Xin, Zhang Ting, feixi, Bohao Fan, baoqiwen, Qianyue He, 苍天荒, zhwesky2010, liuruyan, Tofu, Yichen Zhang, starcrown001, lijin23, Fang Ru, onecatcn, Jia Ningyu, bigwhite37, lizan1999, xinruiM, Leo Guo, Jingzong Liu, yinwei, Lucas, ddchenhao66, 方程, ming1753, umiswing, Runming Xie, Bingoo, Xiaochun Yang, Wenfei (Charles) Qi, Moon, AmeoInoru, Aidenwu0209, cyberslack_lee, AuraWu, Merlin, Rui Huang, qingyun, Xianzheng Pang, xunyoyo, fangfangssj, PlumBlossomMaid, risemeup1, liuhao2638, risemeup1111, Yutian Rao, cutetocute, tianyuzhou668, tianlef, Zhenghai Zhang, zhengzhonghui, ZhouMinhao98, jzhang533, Ray961123, Salman Chishti, paddle-xpu-bot, 盈盈秋水, liang, yyxxddjj, John Feng, SidusAntares, JiaViii, Ricardo-shuo-liu, Alnair, DavidGu, M4jupitercannon, Pandya Mayur