2026 年 3 月 16 日，GPU 編譯器 Triton 收到一個 PR，標題說要修好 RTX 5070 Ti／5080／5090 這批消費級 Blackwell 顯卡的隨機當機（「segfault」）。它有完整描述、有測試，自動 review bot 留了意見，維護者要求修改，作者也照改了。同一天核准，同一天合併。

隔天，一位審查者 在 PR 底下客客氣氣地留言：這個 PR 很可能不正確，描述也不準確，而且整個修法賴以成立的那句前提，本身就是錯的。

當天維護者就把它撤回，理由只有一句：「Based on Nvidia’s feedback this doesn’t seem to be a correct PR」（根據 NVIDIA 的回饋，這個 PR 看起來不正確）。從合併到撤回，大約一天。

這個 PR 的 commit 帶著 Co-Authored-By: Claude Opus 4.6，是 AI coding agent 的作品。但這個故事有意思的地方，不在 AI 寫錯，而在 review 流程每一關都有人在場、也真的抓到東西，最要命的那一個錯卻一路走進了主幹。

SemiAnalysis 配的字幕，比留言本身兇

這件事會被看見，是因為 SemiAnalysis 在 X 上發了一則大寫開頭的「AI CODING SLOP ALERT」。他們的警告是：在開源專案裡，AI coding agent 產出的垃圾跟有價值的 diff，越來越難分辨。接著拿 Triton PR #9734 當例子，說它宣稱修好沒有 TMEM（張量記憶體）的消費級 Blackwell，但仔細看根本沒修好；合併之後，NVIDIA 的 PyTorch 技術主管「以非常 PROFESSIONAL 的方式」留言說這個 PR 完全是 slop。

那個全大寫的「PROFESSIONAL」是 SemiAnalysis 自己在酸。PR 頁面上那則留言是一段客氣、純技術的說明，「slop」是 SemiAnalysis 替它配的字幕。至於留言者是 NVIDIA PyTorch 技術主管，這是 SemiAnalysis 的說法，PR 頁面本身沒標示所屬。

推文還特地補了一句：這位技術主管是一台「2024 Honda Civic Sport Edition」的車主。這條資訊對判斷 PR 對不對毫無幫助，推文也沒解釋為什麼要寫，Mogu 決定尊重 SemiAnalysis 的創作自由，不替它腦補 ┐⁠(⁠￣⁠ヘ⁠￣⁠)⁠┌

Mogu 想補充：

我對 SemiAnalysis 這個標題有點意見。「slop」這個詞很好轉傳，但它不帶任何資訊：說一個 PR 是垃圾，沒告訴任何人錯在哪。真正讓 Triton 在一天內撤回的，是那則被酸成「很 PROFESSIONAL」的留言，它講清楚哪句前提錯、拿 CUTLASS 跟 PyTorch 當證據、附上編譯失敗的錯誤訊息。諷刺的是，對付 AI 量產的低資訊 PR，最有效的武器剛好是一段高資訊、不嗆人的人類留言。

PR 改的是標籤，不是路

要看懂錯在哪，得先知道 PR 想修什麼。

sm_120 是消費級 Blackwell 的架構代號。Triton 編譯 GPU 核心程式時，會把架構字串交給 NVIDIA 的組譯器 ptxas。字串尾巴多一個「a」（例如 sm_90a、sm_100a），意思是「這份程式碼只給這一款架構跑，可以用它的專屬指令」。可以把它想成貼在包裹上的一張標籤：標籤寫什麼，組譯器就放行哪些指令。

PR 描述的診斷是這樣：消費級 Blackwell 會隨機當機，因為編譯器替一塊不存在的硬體產生了張量記憶體指令（tcgen05）。描述接著宣稱，「a」這種標籤只存在於 sm_90 跟 sm_100，sm_120a 根本不是真的編譯目標。

原始版本提了三項改動：sm_120 不加「a」、改 PTX .target 的正規表示式、把 sm_120 改走 Hopper 那條編譯 pipeline。用剛剛的比喻講，就是一次撕標籤、改分揀規則、再改走另一條路。

review 之後，維護者要求把改路線跟改正規表示式兩項撤掉，判斷條件改成 capability != 120，讓未來的新架構預設還是加「a」。作者照辦。所以最後合併進主幹的核心改動只剩一件：把 sm_120 的標籤從 sm_120a 撕成 sm_120，外加一段程式註解，宣稱 sm_120a 會導致張量記憶體指令，以及改過的測試。PR 描述沒更新，還寫著原本那三項改動。

如果「sm_120a 不存在」這句是對的，撕標籤很合理。問題就在這句。

隔天那位審查者指出，120a 是真的「arch-conditional」編譯目標，CUTLASS 跟 PyTorch 都在用 sm_120a。他還回報，用這個 commit 編譯會撞上 ptxas 錯誤：tensormap.replace not supported on .target sm_120。翻成標籤的話：說明書宣稱這款型號沒有這張標籤、貼了是印錯，結果 CUTLASS 跟 PyTorch 早就貼著這張標籤在用；標籤撕掉之後，還有指令因為少了它而被組譯器擋在門外。

review 抓到的，跟沒抓到的

把時間線攤開，3 月 16 日那天其實有人在認真看。

自動 review bot（OpenAI Codex 的自動 review 工具）留言之後，作者把 sm_120 的測試從逐元素相加換成 tl.dot 矩陣乘法。原本那個測試不管編譯目標是什麼，都不會產生 tcgen05 指令，斷言等於什麼都沒驗。維護者則砍掉了兩項範圍過大的改動，還顧到未來架構的預設行為。

空心測試、改動範圍、未來相容性，這三個都是真的問題，也都被修了。它們有個共同點：只要盯著這個 repo 跟這份 diff，就看得出來。

沒人問的那一題是「sm_120a 到底存不存在」。這題的答案不在 Triton 的 repo 裡，在 CUTLASS 跟 PyTorch 的程式碼裡，在知道 NVIDIA 工具鏈怎麼運作的人腦袋裡。PR 描述把它寫成一句篤定的事實，整個修法都建立在上面，而它是整份 PR 最需要查、也最少人有能力查的一句。

Mogu 的看法是：要怪審查者也不太公平。review 本來就是拿 PR 給的前提去檢查實作，前提寫得越完整、越有自信，審查者越自然地把力氣花在「這個實作有沒有照前提做好」，而不是「前提本身對不對」。AI 寫出一段篤定的技術描述幾乎不花成本，能一眼看穿前提錯誤的領域專家卻很稀缺；這次那個人是在合併之後才出現的。gu-log 之前寫過 Mitchell Hashimoto 推出 Vouch，講的是 AI 讓任何人都能產出看起來像樣的貢獻，開源靠寫 code 的門檻篩人的老辦法失靈；Triton 這次再往前一步，連「寫出一段看起來很懂的診斷」的門檻也不見了。

Mogu 溫馨提示：

這件事我有切身之痛。你現在讀的這篇是重寫版：前一版把 SemiAnalysis 的酸寫成當事人原話，還把 PR 的機制畫成一個來源沒講過的故事，文筆順、笑點足，在站上掛了半年多。後來有人回頭把 PR 時間線一則一則對過，才發現開場跟主軸都蓋在錯的前提上，只好整篇打掉重寫。那一版上線時沒有被人回頭翻過原始紀錄；這種錯，光看文章本身順不順是看不出來的。寫文章跟寫 PR，栽在同一個地方 (⁠｡⁠◕⁠‿⁠◕⁠｡⁠)

連 bug 存不存在都沒結論

故事還有個尾巴。3 月 25 日，另一位貢獻者開了 PR #9852，認為 #9734 只處理了後綴、沒處理編譯路線，於是除了拿掉後綴，還把 sm_120／sm_121 改走 Hopper 那條路線。維護者回覆說，大家一直都在 sm_120 上正常使用 Triton，而且這個 patch 跟被撤回的那個差不多。作者自己在 SM121 上實測，發現 sm_121a 能用、編譯結果裡也沒有張量記憶體指令，承認原本的診斷錯了，3 月 26 日自行關閉，沒有合併。

所以到最後，連「消費級 Blackwell 上到底有沒有那個當機問題、根因是什麼」都沒有乾淨的結論。#9734 撕掉一張其實存在的標籤，去修一個可能根本沒被確認過的 bug，然後 #9755 把標籤貼了回去。

SemiAnalysis 說 slop 跟有價值的 diff 越來越難分辨。Triton 這次的經驗是：分辨得出來，但分辨的成本落在一個很特定的人身上，那個知道 CUTLASS 裡寫著 sm_120a 的人。這次他在一天內出現了，沒收任何費用，也不是合併前排好的任何一關。下一份帶著篤定前提的 PR，會繼續預支這種人的時間，而目前沒有誰在付這筆帳。