[API Compatibility] nn.Module.to_empty/linalg.det/nn.functional.gumbel_softmax/vstack/nn.functional.batch_norm/set_default_device/autograd.grad_mode.set_grad_enabled/Tensor.new_tensor/nn.modules.loss._Loss/nn.modules.utils._pair/hstack/Tensor.true_divide_/linalg.eigh/Tensor.H/nn.ELU/clamp_max/qr/logdet/linalg.cholesky/nn.functional.elu/nn.functional.prelu/expand_copy/linalg.qr/clamp_ Edit By AI Agent

docs/api/paddle/Overview_cn.rst

@@ -215,6 +215,7 @@ tensor 数学操作原位（inplace）版本
     " :ref:`paddle.put_along_axis_ <cn_api_paddle_put_along_axis_>` ", "Inplace 版本的 put_along_axis API，对输入 x 采用 Inplace 策略"
     " :ref:`paddle.cauchy_ <cn_api_paddle_cauchy_>` ", "直接修改输入 x，将所有元素替换为从柯西分布中随机采样的数值"
     " :ref:`paddle.ceil_ <cn_api_paddle_ceil_>` ", "Inplace 版本的 ceil API，对输入 x 采用 Inplace 策略"
+    " :ref:`paddle.clamp_ <cn_api_paddle_clamp_>` ", "Inplace 版本的 clamp API，对输入 x 采用 Inplace 策略"
     " :ref:`paddle.clip_ <cn_api_paddle_clip_>` ", "Inplace 版本的 clip API，对输入 x 采用 Inplace 策略"
     " :ref:`paddle.copysign_ <cn_api_paddle_copysign_>` ", "Inplace 版本的 copysign API，对输入 x 采用 Inplace 策略"
     " :ref:`paddle.cumprod_ <cn_api_paddle_cumprod_>` ", "Inplace 版本的 cumprod API，对输入 x 采用 Inplace 策略"

docs/api/paddle/amp/GradScaler_cn.rst

@@ -7,7 +7,7 @@ GradScaler
 
 
 
-GradScaler 用于动态图模式下的"自动混合精度"的训练。它控制 loss 的缩放比例，有助于避免浮点数溢出的问题。这个类具有 ``scale()``、 ``unscale_()``、 ``step()``、 ``update()``、 ``minimize()`` 和参数的 ``get()/set()`` 等方法。
+GradScaler 用于动态图模式下的"自动混合精度"的训练。它控制 loss 的缩放比例，有助于避免浮点数溢出的问题。这个类具有 ``scale()``、 ``unscale_()``、 ``minimize()``、 ``step()``、 ``update()`` 和参数的 ``get()/set()`` 共十九个方法。
 
 ``scale()`` 用于让 loss 乘上一个缩放的比例。
 ``unscale_()`` 用于让 loss 除去一个缩放的比例。
@@ -96,10 +96,14 @@ step(optimizer)
 
 COPY-FROM: paddle.amp.GradScaler.step
 
-update()
+update(new_scale=None)
 '''''''''
 
-更新缩放比例。
+更新 loss scaling 比例。
+
+**参数**
+
+- **new_scale** (float，可选) - 新的 loss scaling 因子。如果提供，loss scaling 因子将直接设置为 ``new_scale`` 并重置内部步数计数。默认值为 None。
 
 **代码示例**
 
@@ -301,3 +305,16 @@ load_state_dict(state_dict)
 **代码示例**
 
 COPY-FROM: paddle.amp.GradScaler.load_state_dict
+
+get_scale()
+'''''''''
+
+返回当前的缩放因子，类型为 Python float。如果 loss scaling 未启用，则返回 0.0。
+
+**返回**
+
+float，当前 loss scaling 因子，如果禁用则返回 0.0。
+
+**代码示例**
+
+COPY-FROM: paddle.amp.GradScaler.get_scale

docs/api/paddle/clamp__cn.rst

@@ -0,0 +1,15 @@
+.. _cn_api_paddle_clamp_:
+
+clamp\_
+-------------------------------
+
+.. py:function:: paddle.clamp_(x, min=None, max=None, name=None)
+
+``clip_`` 的别名，请参考 :ref:`cn_api_paddle_clip_`。
+
+.. note::
+    别名支持：参数名 ``input`` 可替代 ``x``，如 ``clamp_(input=tensor_x)`` 等价于 ``clamp_(x=tensor_x)``。
+
+更多关于 inplace 操作的介绍请参考 `3.1.3 原位（Inplace）操作和非原位操作的区别`_ 了解详情。
+
+.. _3.1.3 原位（Inplace）操作和非原位操作的区别: https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/guides/beginner/tensor_cn.html#id3

docs/api/paddle/clamp_max_cn.rst

@@ -0,0 +1,29 @@
+.. _cn_api_paddle_clamp_max:
+
+clamp_max
+-------------------------------
+
+.. py:function:: paddle.clamp_max(input, max, *, out=None)
+
+将输入中的所有元素裁剪到区间 [min=None, max] 内。
+
+该接口是 ``paddle.clip`` 的封装，仅设置上界。
+
+参数
+::::::::::::
+
+    - **input** (Tensor) - 输入的 Tensor。
+    - **max** (float|Tensor) - 裁剪的最大值。
+
+关键字参数
+::::::::::::
+    - **out** (Tensor，可选) - 输出 Tensor。默认值为 None。
+
+返回
+::::::::::::
+输出 Tensor，与 ``input`` 维度相同。
+
+代码示例
+::::::::::::
+
+COPY-FROM: paddle.clamp_max

docs/api/paddle/cross_cn.rst

@@ -6,15 +6,15 @@ cross
 .. py:function:: paddle.cross(x, y, axis=9, name=None)
 
 
-计算 Tensor ``x`` 和 ``y`` 在 ``axis`` 维度上的向量积（叉积）。
+计算两个 Tensor 在 ``axis`` 维度上的向量积（叉积）。
 
-``x`` 和 ``y`` 必须有相同的形状，且指定的 ``axis`` 的长度必须为 3。如果未指定 ``axis``，默认选取第一个长度为 3 的 ``axis`` 。
+输入 Tensor 必须有相同的形状，且指定维度的长度必须为 3。如果未指定 ``axis``，默认选取第一个长度为 3 的维度。
 
 参数
 :::::::::
     - **x** (Tensor) - 第一个输入 Tensor，数据类型为：float16、float32、float64、int32、int64、complex64、complex128。别名 ``input``。
     - **y** (Tensor) - 第二个输入 Tensor，数据类型为：float16、float32、float64、int32、int64、complex64、complex128。别名 ``other``。
-    - **axis** (int，可选) - 沿着此维进行向量积操作。别名 ``dim``。默认值是 9，意思是选取第一个长度为 3 的 ``axis`` 。
+    - **axis** (int，可选) - 沿着此维度进行向量积操作。默认值为 9，表示选取第一个长度为 3 的维度。别名 ``dim``。
     - **name** (str，可选) - 具体用法请参见 :ref:`api_guide_Name`，一般无需设置，默认值为 None。
 
 返回

docs/api/paddle/device/set_default_device_cn.rst

@@ -0,0 +1,28 @@
+.. _cn_api_paddle_device_set_default_device:
+
+set_default_device
+-------------------------------
+
+.. py:function:: paddle.device.set_default_device(device=None)
+
+Paddle 支持在各种类型的设备上运行，包括 CPU、GPU、XPU、NPU 和 IPU。
+该函数可以指定 OP 运行的全局设备。
+
+参数
+:::::::::
+
+    - **device** (str|Place|paddle.device|int|None，可选) - 此参数确定特定的运行设备。可以是 ``cpu``、``gpu``、``xpu``、``npu``、``gpu:x``、``xpu:x``、``npu:x`` 和 ``ipu``，
+      其中 ``x`` 是 GPU、XPU 或 NPU 的索引。也可以是 ``paddle.device`` 对象或 int 类型的设备索引。默认为 ``None``，表示当前设备。
+
+返回
+:::::::::
+
+    无。
+
+代码示例
+:::::::::
+
+.. code-block:: pycon
+
+    >>> import paddle
+    >>> paddle.device.set_default_device("cpu")

docs/api/paddle/expand_copy_cn.rst

@@ -0,0 +1,30 @@
+.. _cn_api_paddle_expand_copy:
+
+expand_copy
+-------------------------------
+
+.. py:function:: paddle.expand_copy(x, shape, name=None)
+
+根据 ``shape`` 指定的形状扩展 ``x``，扩展后返回一个新的 Tensor，不会修改原 Tensor。
+
+这是 :ref:`cn_api_paddle_expand` 的非原位版本，始终返回新的 Tensor 而非视图。
+
+.. note::
+    该接口有两个签名：
+    1. ``paddle.expand_copy(x, shape, name=None)`` (Paddle 风格)：根据广播语义返回扩展后的新 Tensor。
+    2. ``paddle.expand_copy(input, *size)`` (PyTorch 风格)：通过可变长 size 参数返回扩展后的新 Tensor。
+
+参数
+:::::::::::
+    - **x** (Tensor) - 输入的 Tensor。别名 ``input``。
+    - **shape** (tuple|list|Tensor) - 目标扩展形状。维度数必须大于或等于 ``x`` 的维度数。若 shape 为 list 或 tuple，其中的元素值应全为整数或 0-D 或 1-D Tensor（数据类型为 int32）。别名 ``size``。
+    - **name** (str，可选) - 具体用法请参见 :ref:`api_guide_Name`，一般无需设置，默认值为 None。
+
+返回
+:::::::::::
+Tensor，数据类型与 ``x`` 相同。
+
+代码示例
+:::::::::::
+
+COPY-FROM: paddle.expand_copy

docs/api/paddle/histc_cn.rst

@@ -7,7 +7,7 @@ histc
 
 计算 Tensor 的直方图。
 
-元素被分配到 min 和 max 之间的等宽区间中。如果 min 和 max 都为零，则使用数据的最小值和最大值。
+元素被分配到 min 和 max 之间的等宽区间中（包含边界）。如果 min 和 max 都为零，则使用数据的最小值和最大值。
 
 参数
 :::::::::

docs/api/paddle/hstack_cn.rst

@@ -3,16 +3,20 @@
 hstack
 -------------------------------
 
-.. py:function:: paddle.hstack(x, name=None)
+.. py:function:: paddle.hstack(x, name=None, *, out=None)
 
 沿水平轴堆叠输入 ``x`` 中的所有张量。所有张量必须具有相同的数据类型。
 
 参数
 ::::::::::::
 
-    - **x** (list[Tensor]|tuple[Tensor]) - 输入 ``x`` 可以是张量的 list 或 tuple， ``x`` 中张量的数据类型必须相同。支持的数据类型： ``float16`` 、 ``float32`` 、 ``float64`` 、 ``int32`` 、 ``int64`` 或 ``bfloat16`` 。
+    - **x** (list[Tensor]|tuple[Tensor]) - 输入 ``x`` 可以是张量的 list 或 tuple， ``x`` 中张量的数据类型必须相同。支持的数据类型： ``float16`` 、 ``float32`` 、 ``float64`` 、 ``int8`` 、 ``int32`` 、 ``int64`` 或 ``bfloat16`` 。别名 ``tensors``。
     - **name** (str，可选) - 具体用法请参见 :ref:`api_guide_Name`，一般无需设置，默认值为 None。
 
+关键字参数
+::::::::::::
+    - **out** (Tensor，可选) - 输出 Tensor，若不为 ``None``，计算结果将保存在该 Tensor 中，默认值为 ``None``。
+
 返回
 ::::::::::::
 Tensor，与输入数据类型相同的堆叠张量。

docs/api/paddle/linalg/cholesky_cn.rst

@@ -3,22 +3,23 @@
 cholesky
 -------------------------------
 
-.. py:function:: paddle.linalg.cholesky(x, upper=False, name=None)
-
-
-
+.. py:function:: paddle.linalg.cholesky(x, upper=False, name=None, *, out=None)
 
 计算一个对称正定矩阵或一批对称正定矩阵的 Cholesky 分解。如果 ``upper`` 是 ``True``，
-则分解形式为 :math:`A = U ^ {T} U`，返回的矩阵 U 是上三角矩阵。
-否则，分解形式为 :math:`A = LL ^ {T}`，并返回矩阵 :math:`L` 是下三角矩阵。
+则分解形式为 :math:`A = U^{T}U`，返回的矩阵 U 是上三角矩阵。
+否则，分解形式为 :math:`A = LL^{T}`，并返回矩阵 :math:`L` 是下三角矩阵。
 
 参数
 ::::::::::::
 
-    - **x** （Tensor）- 输入变量为多维 Tensor，它的维度应该为 ``[*, M, M]``，其中*为零或更大的批次尺寸，并且最里面的两个维度上的矩阵都应为对称的正定矩阵，支持数据类型为 float32、float64。
+    - **x** （Tensor）- 输入变量为多维 Tensor，它的维度应该为 ``[*, M, M]``，其中*为零或更大的批次尺寸，并且最里面的两个维度上的矩阵都应为对称的正定矩阵，支持数据类型为 float32、float64。别名 ``input``。
     - **upper** （bool）- 指示是否返回上三角矩阵或下三角矩阵。默认值：False。
     - **name** (str，可选) - 具体用法请参见 :ref:`api_guide_Name`，一般无需设置，默认值为 None。
 
+关键字参数
+::::::::::::
+    - **out** (Tensor，可选) - 输出 Tensor，若不为 ``None``，计算结果将保存在该 Tensor 中，默认值为 ``None``。
+
 返回
 ::::::::::::
 Tensor，与 ``x`` 具有相同形状和数据类型。它代表了 Cholesky 分解生成的三角矩阵。

docs/api/paddle/linalg/det_cn.rst

@@ -3,18 +3,24 @@
 det
 -------------------------------
 
-.. py:function:: paddle.linalg.det(x)
-计算批量矩阵的行列式值。
+.. py:function:: paddle.linalg.det(x, name=None, *, out=None)
+
+计算一个或批量方阵的行列式值。
 
 参数
 ::::::::::::
 
-    - **x** (Tensor)：输入一个或批量矩阵。``x`` 的形状应为 ``[*, M, M]``，其中 ``*`` 为零或更大的批次维度，数据类型支持 float32、float64。别名 ``input``。
+    - **x** (Tensor)：输入一个或批量方阵。``x`` 的形状应为 ``[*, n, n]``，其中 ``*`` 为零或更大的批次维度。别名 ``input``。
+    - **name** (str|None，可选) - 该参数用于打印调试信息，具体用法请参见 :ref:`api_guide_Name`，默认值为 None。
+
+关键字参数
+::::::::::::
+    - **out** (Tensor，可选) - 指定输出的存储结果的 Tensor，如果提供，返回值将是 ``out`` 本身。默认值为 ``None``。
 
 返回
 ::::::::::::
 
-Tensor，输出矩阵的行列式值 Shape 为 ``[*]`` 。
+Tensor，输出方阵的行列式值。Shape 为 ``[*]`` 。
 
 代码示例
 ::::::::::

docs/api/paddle/linalg/eigh_cn.rst

@@ -3,21 +3,27 @@
 eigh
 -------------------------------
 
-.. py:function:: paddle.linalg.eigh(x, UPLO='L', name=None)
+.. py:function:: paddle.linalg.eigh(x, UPLO='L', name=None, *, out=None)
 计算厄米特矩阵或者实数对称矩阵的特征值和特征向量。
 
 参数
 ::::::::::::
 
-    - **x** (Tensor)：输入一个或一批厄米特矩阵或者实数对称矩阵。``x`` 的形状应为 ``[*, M, M]``，其中 ``*`` 为零或更大的批次维度，数据类型支持 float32、float64、complex64、complex128。
+    - **x** (Tensor)：输入一个或一批厄米特矩阵或者实数对称矩阵。``x`` 的形状应为 ``[*, M, M]``，其中 ``*`` 为零或更大的批次维度，数据类型支持 float32、float64、complex64、complex128。别名 ``input``。
     - **UPLO** (str，可选)：表示计算上三角或者下三角矩阵，默认值为 'L'，表示计算下三角矩阵的特征值和特征向量，'U'表示计算上三角矩阵的特征值和特征向量。
     - **name** (str，可选) - 具体用法请参见 :ref:`api_guide_Name`，一般无需设置，默认值为 None。
 
+关键字参数
+::::::::::::
+    - **out** (tuple[Tensor, Tensor]，可选) - 输出 Tensor 元组，若不为 ``None``，计算结果将保存在该 Tensor 元组中，默认值为 ``None``。
+
 返回
 ::::::::::::
 
-    - Tensor out_value，输出矩阵的特征值，输出顺序按照从小到大进行排序。Shape 为 ``[*, M]`` 。
-    - Tensor out_vector，输出矩阵的特征向量，与特征值一一对应，Shape 为 ``[*, M, M]`` 。
+    包含两项的元组：
+
+    - **out_value** (Tensor)：输出矩阵的特征值，输出顺序按照从小到大进行排序。Shape 为 ``[*, N]``，数据类型为 float32 和 float64。
+    - **out_vector** (Tensor)：输出矩阵的特征向量，与特征值一一对应，Shape 为 ``[*, N, N]``，数据类型为 float32、float64、complex64 和 complex128。
 
 代码示例
 ::::::::::

docs/api/paddle/linalg/qr_cn.rst

@@ -3,8 +3,14 @@
 qr
 -------------------------------
 
-.. py:function:: paddle.linalg.qr(x, mode="reduced", name=None)
+.. py:function:: paddle.linalg.qr(x, mode='reduced', name=None, *, out=None)
 
+.. note::
+
+    本 API 支持两种签名方式：
+
+    1. ``paddle.linalg.qr(x, mode='reduced', name=None, *, out=None)``（Paddle 风格）：通过 ``mode`` 字符串参数控制 QR 分解。
+    2. ``paddle.linalg.qr(input, some=True, *, out=None)``（PyTorch 风格）：通过 ``some`` 布尔参数控制 QR 分解。
 
 计算一个或一批矩阵的正交三角分解，也称 QR 分解（暂不支持反向）。
 
@@ -15,19 +21,29 @@ qr
 
 其中，:math:`Q` 是正交矩阵，:math:`R` 是上三角矩阵。
 
-
 参数
 ::::::::::::
 
-    - **x** (Tensor)：输入进行正交三角分解的一个或一批方阵，类型为 Tensor。 ``x`` 的形状应为 ``[*, M, N]``，其中 ``*`` 为零或更大的批次维度，数据类型支持 float32， float64。
-    - **mode** (str，可选)：控制正交三角分解的行为，默认是 ``reduced``，假设 ``x`` 形状应为 ``[*, M, N]`` 和 ``K = min(M, N)``：如果 ``mode = "reduced"``，则 :math:`Q` 形状为 ``[*, M, K]`` 和 :math:`R` 形状为 ``[*, K, N]``；如果 ``mode = "complete"``，则 :math:`Q` 形状为 ``[*, M, M]`` 和 :math:`R` 形状为 ``[*, M, N]``；如果 ``mode = "r"``，则不返回 :math:`Q`，只返回 :math:`R` 且形状为 ``[*, K, N]`` 。
+    - **x** (Tensor)：输入进行正交三角分解的一个或一批方阵，类型为 Tensor。 ``x`` 的形状应为 ``[*, M, N]``，其中 ``*`` 为零或更大的批次维度，数据类型支持 float32、float64、complex64、complex128。别名 ``input``, ``A``。
+    - **mode** (str，可选)：控制正交三角分解的行为，默认是 ``reduced``，假设 ``x`` 形状应为 ``[*, M, N]`` 和 ``K = min(M, N)``：
+        如果 ``mode = "reduced"``，则 :math:`Q` 形状为 ``[*, M, K]`` 和 :math:`R` 形状为 ``[*, K, N]``；
+        如果 ``mode = "complete"``，则 :math:`Q` 形状为 ``[*, M, M]`` 和 :math:`R` 形状为 ``[*, M, N]``；
+        如果 ``mode = "r"``，则**只返回**缩减的 :math:`R`，其形状为 ``[*, K, N]``。
     - **name** (str，可选) - 具体用法请参见 :ref:`api_guide_Name`，一般无需设置，默认值为 None。
 
+关键字参数
+::::::::::::
+    - **out** (Tensor|tuple，可选) - 指定输出的张量。
+        当 ``mode = "r"`` 时，为一个 Tensor 用于存储 R；
+        否则为一个 ``(Q, R)`` 张量元组，默认值为 None。
+
 返回
 ::::::::::::
 
-    - Tensor Q，正交三角分解的 Q 正交矩阵，需注意如果 ``mode = "reduced"``，则不返回 Q 矩阵，只返回 R 矩阵。
-    - Tensor R，正交三角分解的 R 上三角矩阵。
+    - 如果 ``mode = "r"``，返回 Tensor R，即缩减的上三角矩阵。
+    - 否则返回 ``QrRetType(Q, R)`` 具名元组：
+        - Tensor Q，正交三角分解的 Q 正交矩阵。
+        - Tensor R，正交三角分解的 R 上三角矩阵。
 
 代码示例
 ::::::::::

docs/api/paddle/logdet_cn.rst

@@ -0,0 +1,27 @@
+.. _cn_api_paddle_logdet:
+
+logdet
+-------------------------------
+
+.. py:function:: paddle.logdet(input, name=None)
+
+计算一个或一批方阵的行列式的自然对数。
+
+对于行列式为负数的矩阵，返回 ``nan``。
+对于行列式为零的矩阵，返回 ``-inf``。
+
+参数
+::::::::::::
+
+    - **input** (Tensor) - 输入一个或批量方阵。``input`` 的形状应为 ``[*, n, n]``，其中 ``*`` 为零或更大的批次维度。
+    - **name** (str，可选) - 具体用法请参见 :ref:`api_guide_Name`，一般无需设置，默认值为 None。
+
+返回
+::::::::::::
+
+Tensor：输出矩阵的行列式的自然对数值，Shape 为 ``[*]``。
+
+代码示例
+::::::::::::
+
+COPY-FROM: paddle.logdet

docs/api/paddle/masked_fill__cn.rst

@@ -3,9 +3,13 @@
 masked_fill\_
 -------------------------------
 
-.. py:function:: paddle.masked_fill_(x)
+.. py:function:: paddle.masked_fill_(x, mask, value, name=None)
+
 Inplace 版本的 :ref:`cn_api_paddle_masked_fill` API，对输入 x 采用 Inplace 策略。
 
+.. note::
+    别名支持：参数名 ``input`` 可替代 ``x``，如 ``masked_fill_(input=tensor_x, mask=tensor_mask, value=val)`` 等价于 ``masked_fill_(x=tensor_x, mask=tensor_mask, value=val)``。
+
 更多关于 inplace 操作的介绍请参考 `3.1.3 原位（Inplace）操作和非原位操作的区别`_ 了解详情。
 
 .. _3.1.3 原位（Inplace）操作和非原位操作的区别: https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/guides/beginner/tensor_cn.html#id3