ExprTool.all 批量表达式会改变单个表达式的数值结果（多线程 Polars，regroup不能普遍规避）

[WMM-702702]

环境

• Python 3.12
• expr-codegen 0.16.6
• polars-ta 0.5.17
• Polars 1.35.2
• Linux x86_64
• Polars thread pool: 20

问题描述

同一个目标表达式单独传给 ExprTool.all，与它和另一个表达式一起传入时，目标列结果不同。表达式和输入行没有变化，skip_simplify=True，regroup=False。

独立复现脚本见附件 expr_codegen_issue_repro.py。

运行：

python expr_codegen_issue_repro.py

输出：

{'polars': '1.35.2', 'expr_codegen': '0.16.6', 'polars_ta': '0.5.17', 'threads': 20}
{'null_mismatch': 0, 'value_mismatch': 10919, 'max_abs_diff': 1.5013887474838818}

改为单线程：

POLARS_MAX_THREADS=1 python expr_codegen_issue_repro.py

输出完全一致：

{'polars': '1.35.2', 'expr_codegen': '0.16.6', 'polars_ta': '0.5.17', 'threads': 1}
{'null_mismatch': 0, 'value_mismatch': 0, 'max_abs_diff': 0.0}

初步定位

我检查了生成的目标 DAG，未发现 SymPy CSE 把目标表达式代数改写错误。逐级比较中间列后发现：

1. 目标的前两级中间量逐值完全一致。
2. 第二个 cs_zscore 首次出现差异：175 个值不同，最大绝对差 2.220446049250313e-16。
3. 后续 3 日 ts_corr 和 3 日 ts_zscore 将该差异放大，最终最大绝对差达到 1.5013887474838818。
4. POLARS_MAX_THREADS=1 后所有差异消失。

从生成代码看，批量表达式会改变公共子表达式的物化方式、DAG 层级、with_columns 分组和 TS/CS 排序顺序。当前 CS 阶段生成 df.sort(_DATE_)，同日证券没有 _ASSET_ 决键；此外，多列横截面归约的执行布局会随批次变化。二者都会使并行 mean/std 的浮点归约顺序变化。

因此，这看起来不是“CSE 生成了错误公式”，而是跨输出 CSE/DAG 编排没有保持批量与单独执行的数值一致性。低方差短窗口相关会把机器精度级差异放大成实质差异。

我也测试了 regroup=True：它能让本复现中的两表达式批次一致，但在更大的表达式批次中仍会出现同样漂移，因此不能作为普遍修复。源码中的 regroup 参数说明目前也标注为“不稳定”。

期望行为

同一输入、同一目标表达式和同一参数下，增加无关输出不应显著改变目标结果。至少希望提供以下一种能力：

1. 可选的输出隔离模式：只在单个最终输出内部做 CSE，禁止跨最终输出改变物化边界；或
2. 可选的确定性代码生成模式，并保证单独与批量执行在明确容差内一致；或
3. 明确记录该限制，并提供推荐的安全批量方式。

建议增加回归测试：包含 CS -> TS -> CS -> TS 链、低方差窗口、动态 null mask，并比较目标表达式单独与批量执行结果。

补充

把 CS 排序临时改为 df.sort(_DATE_, _ASSET_) 能修复较小批次，但不能修复包含多个并行横截面归约的较大批次；因此稳定排序是改进项，但不是完整修复。

expr_codegen_issue_repro.py