为什么pytorch F.mse_损耗在w.r.t.张量和参数上表现不同？

下面是我的代码：

import torch as pt
from torch.nn import functional as F

a = pt.Tensor([[0, 1], [2, 3]])
b = pt.Tensor([[1, 0], [5, 4]])
print(F.mse_loss(a, b), F.mse_loss(a, b, reduction='elementwise_mean'))

a = pt.nn.Parameter(a)
b = pt.nn.Parameter(b)
print(F.mse_loss(a, b), F.mse_loss(a, b, reduction='elementwise_mean'))

结果是：

tensor(3.) tensor(3.)
tensor(12., grad_fn=<SumBackward0>) tensor(12., grad_fn=<SumBackward0>)

张量（3.）张量（3.） 张量（12，梯度fn=）张量（12，梯度fn=） 我想知道为什么他们给出了两个不同的结果

环境设置：
python 3.6
pytorch 0.4.1

根据标准，它是一个bug