在昇腾 NPU 上，反向传播时广播场景下需要对扩展维度进行 **reduce_sum 归约**，CPU 和 NPU 对浮点数的 reduce_sum 运算做不到二进制完全一致（浮点数累加顺序不同导致微小差异）。建议参照 reduce_sum 采用双千双万标准。通过以上分析，我们明确了 `torch.where` 反向传播精度差异的根因，并给出了可行的解决方案，为后续类似问题的排查和处理提供了参考。

在昇腾 NPU 上，反向传播时广播场景下需要对扩展维度进行 **reduce_sum 归约**，CPU 和 NPU 对浮点数的 reduce_sum 运算做不到二进制完全一致（浮点数累加顺序不同导致微小差异）。建议参照 reduce_sum 采用双千双万标准。通过以上分析，我们明确了 `torch.where` 反向传播精度差异的根因，并给出了可行的解决方案，为后续类似问题的排查和处理提供了参考。