在 AscendC 的 Cast / ScalarCast 等精度转换 API 中，CAST_ROUND 与 CAST_RINT 的核心差异在于对「恰好处于中间值」（tie）的处理方式不同。CAST_RINT 即 IEEE 754 标准中的 RNE（Round to Nearest, ties to Even，四舍六入五成双）。

语义对比

位级判定逻辑（官方定义）

• CAST_RINT

  • 待舍入部分首位为 0 → 不进位
  • 待舍入部分首位为 1 且后续不全为 0 → 进位
  • 待舍入部分首位为 1 且后续全为 0（tie）→ 保留位末位为 0 不进位，末位为 1 进位

• CAST_ROUND

  • 待舍入部分首位为 0 → 不进位
  • 待舍入部分首位为 1 → 进位（无论后续位是什么）

数值示例

以 float → int32_t 转换为例，输入 [1.4, 1.5, 1.6, 2.4, 2.5, 2.6] ：

枚举定义

enum class RoundMode {
    CAST_NONE = 0,   // 有精度损失时同 CAST_RINT，无损失时不舍入
    CAST_RINT,       // RNE，四舍六入五成双
    CAST_FLOOR,      // 向负无穷舍入
    CAST_CEIL,       // 向正无穷舍入
    CAST_ROUND,      // 四舍五入
    CAST_TRUNC,      // 向零舍入
    CAST_ODD,        // 向最近的奇数舍入（Von Neumann rounding）
    CAST_HYBRID      // 随机舍入，特指 hifloat8_t 输出
};

使用建议

• 追求与 GPU / 主流深度学习框架对齐：优先用 CAST_RINT（RNE），这是 IEEE 754 默认舍入模式，也是 NVIDIA GPU 的默认行为。
• 需要严格「四舍五入」语义（如某些量化场景要求）：使用 CAST_ROUND。
• 注意硬件限制：不同昇腾芯片对同一类型组合支持的 RoundMode 不同。例如 Atlas 训练系列产品对 float → half 仅支持 CAST_ODD / CAST_NONE，而 Atlas A2 / A3 / 950 系列支持更全 。写算子前务必查目标硬件的 Cast 类型支持表。