多线程访问同一Numpy数组是否会引发data race？语义规则咨询

我的Python程序存在多线程访问同一NumPy数组实例的场景，由于NumPy会释放GIL，这些线程可能同时访问该数组。
若线程并发访问同一数组元素，显然会导致竞态条件（race condition），结果取决于线程的执行顺序。但在C++等语言中，线程并发冲突内存访问可能引发data race，导致完全未定义行为。
我希望明确NumPy在并发数组访问场景下的语义保障：需遵循哪些规则以确保程序具备顺序一致性（sequential consistency）？违反规则会产生什么后果？

具体问题如下：

• 若线程同时访问同一数组但从不同时访问同一元素，是否能保证不会引发data race？
• 若一个线程写入某数组元素时，另一个线程同时读取该元素，是否会导致写入失败或数据损坏？
• 是否能保证并发冲突数组访问的影响仅局限于数组内容，还是会导致程序其他部分出现未定义行为或Python解释器崩溃？
• 上述问题的答案是否依赖于底层硬件架构（如x86 vs ARM）？

我曾找到类似问题，但仅确认了线程会引发冲突访问，未解释NumPy在此类场景下的语义；还有另一类似问题尚未得到解答。

示例代码 #

# 并发数组访问示例程序
import threading
import numpy as np

a = np.zeros(100000, dtype=np.int16)

def countup():
    for i in range(10000):
        a[:] += 1

def countdown():
    for i in range(10000):
        a[:] -= 1

t1 = threading.Thread(target=countup)
t2 = threading.Thread(target=countdown)
t1.start()
t2.start()
t1.join()
t2.join()

# 数组部分元素会非零
print(np.amin(a), np.amax(a), np.sum(a != 0))

内容的提问来源于stack exchange，提问作者user6757751