update ormqr rfc

Author: ADream-ki

rfcs/APIs/20240326_api_design_for_ormqr.md

@@ -1,12 +1,12 @@
 # paddle_ormqr 设计文档
 
-| API 名称                                                            | paddle.ormqr                              |
-| ------------------------------------------------------------------- | ----------------------------------------- |
-| 提交作者 `<input type="checkbox" class="rowselector hidden">`     | Chen-Lun-Hao                              |
-| 提交时间 `<input type="checkbox" class="rowselector hidden">`     | 2024-03-27                                |
-| 版本号                                                              | V2.0                                      |
-| 依赖飞桨版本 `<input type="checkbox" class="rowselector hidden">` | develop                                   |
-| 文件名                                                              | 20240326_api_design_for_ormqr.md `<br>` |
+| API 名称     | paddle.ormqr                     |
+| ------------ | -------------------------------- |
+| 提交作者     | Chen-Lun-Hao                     |
+| 提交时间     | 2024-03-27                       |
+| 版本号       | V2.0                             |
+| 依赖飞桨版本 | develop                          |
+| 文件名       | 20240326_api_design_for_ormqr.md |
 
 # 一、概述
 
@@ -37,7 +37,7 @@
 
 ## PyTorch
 
-PyTorch 中有 API `torch.ormqr(input, tau, other, left=True, transpose=False, *, out=None) → Tensoor` 以及对应的 `torch.Tensor.ormqr`
+PyTorch 中有 API `torch.ormqr(input, tau, other, left=True, transpose=False, *, out=None) → Tensor` 以及对应的 `torch.Tensor.ormqr`
 
 其介绍为：
 
@@ -319,15 +319,11 @@ def _get_cache_prim(cls: Primitive) -> Primitive:
 
 # 四、对比分析
 
-对比 PyTorch 与 MindSpore:
-
-- 实现方式不同
-
-  PyTorch 通过 c++ 实现；MindSpore 通过 python 实现。
+在 Pytorch 以及 MindSpore 框架中，他们对于 ormqr 算子的实现方式不同，Pytorch 中使用的是 c++实现，而 MindSpore 中使用的是 python 实现。
 
 # 五、设计思路与实现方案
 
-paddle 目前的算子已经支持矩阵的转置,行列计算等操作，因此，可以使用 paddle 已有算子实现 `ormqr` ，由于要求输入 `input` 与 `othrt` 具有相同的 `ndim`，因此，不需要使用 `decrease_axes` 等参数。
+paddle 目前的算子已经支持矩阵的转置,行列计算等操作，因此，可以使用 paddle 已有算子实现 `ormqr` 。
 
 ## 命名与参数设计
 
@@ -342,7 +338,7 @@ paddle.orqmr(input, tau, other, left=True, transpose=False)
 - input: (Tensor) shape（\*，mn，k），当 left 为 True 时， mn 的值等于 m，否则 mn 的值等于 n。 \*表示 Tensor 在轴 0 上的长度为 0 或者大于 0。
 - tau: (Tensor) shape（\*，min（mn，k）），其中 \_ 表示 Tensor 在轴 0 上的长度为 0 或者大于 0，其类型与 input 相同。
 - other: (Tensor) shape（\*，m，n），其中 \* 表示 Tensor 在轴 0 上的长度为 0 或者大于 0，其类型与 input 相同。
-- left: (bool, 可选) 决定了矩阵乘积运算的顺序。如果 left 为 True ，计算顺序为 op(Q) x other ，否则，计算顺序为 other x op(Q)。默认值：True。
+- left: (bool, 可选) 决定了矩阵乘积运算的顺序。如果 left 为 True ，计算顺序为 op(Q) ∗ other ，否则，计算顺序为 other \* op(Q)。默认值：True。
 - transpose: (bool, 可选) 如果为 True ，对矩阵 Q 进行共轭转置变换，否则，不对矩阵 Q 进行共轭转置变换。默认值： False。
 
 ## 底层 OP 设计
@@ -351,10 +347,11 @@ paddle.orqmr(input, tau, other, left=True, transpose=False)
 
 # 六、测试和验收的考量
 
-- GPU 测试场景
-- 支持各种 Tensor
-- 需要检查计算正确性
-- 需要检查多维的情况
+- 支持 CPU、GPU 测试场景
+- 支持动态图以及静态图
+- 支持各种 Tensor，如：float32, float64, complex64, complex128
+- 通过对比 mindspore 框架中的 ormqr 算子输出，计算结果是否一致
+- 需要检查二到三维矩阵的计算情况
 
 # 七、可行性分析和排期规划
 
@@ -369,4 +366,5 @@ paddle.orqmr(input, tau, other, left=True, transpose=False)
 # 附件及参考资料
 
 [【Hackathon 6th No.4】为 Paddle 新增 ormqr API](https://github.com/PaddlePaddle/community/pull/668)
-[PyTorch slice_scatter 文档](https://pytorch.org/docs/stable/generated/torch.slice_scatter.html)
+
+[PyTorch ormqr 文档](https://pytorch.org/docs/stable/generated/torch.ormqr.html)