为何GCC -ftree-partial-pre生成更多汇编却运行更快？

我在计算机课程中实现选择排序时，遇到了GCC 12.2版本的一个特殊优化案例：

• 实现了两个选择排序变体：

  • selection_sort：遍历过程中存储当前最小值的值
  • selection_nostore_sort：仅存储当前最小值的索引，比较阶段需要直接访问数组元素

• 不同编译选项下的性能表现：

  • 使用-O2编译时，selection_nostore_sort因额外的数组访问操作，运行速度慢于selection_sort
  • 使用-O3编译时，selection_nostore_sort反而比selection_sort快约10%（本地i7-10750H处理器及基准测试平台均验证此结果）
  • 进一步测试发现，仅在-O2基础上添加-ftree-partial-pre优化选项，就能复现-O3下的性能反转效果

• 汇编代码对比：启用-ftree-partial-pre后生成的汇编代码量更多，但运行效率反而更高，无法通过指令数量直接解释性能差异，希望了解该现象的底层原因。

内容的提问来源于stack exchange，提问作者merlinio2000