GPU QR 竞赛审计:冠军代码快 107 倍,新输入上全军覆没
kfountou · x · 2026-11-18
一篇关于 AI 时代数值软件可信性的新论文指出:五十年来数值软件的可信保障一直依赖专家撰写与评审,但 AI 编码 agent 产出代码的速度已超过专家评审速度,评审跟不上时就需要额外证据证明软件满足需求。作者审计了一场公开 GPU QR 分解竞赛:冠军方案比调用 NVIDIA QR 例程(经 PyTorch)的基线快 107 倍,但前五名虽然全部通过了竞赛本身的精度测试,在用同一 checker 对竞赛自己的生成器产生的新输入测试时却全部失败,而基线全部通过。热力图显示各方案在 rank-deficient、mixed、banded 等输入类别上错误率高达 30–66%。论文还提出 VERNA 审计流程(识别内核计算内容→按误差界与容差测试→认证并生成信任证书),配合 VSCL 机器可检误差界,主张为数值软件建立新的证据体系。
「研究」频道最新
- UC Berkeley 团队推 FrontierCS 2:让 AI 智能体盲打超越已发表 CS 研究 — arena · 2026-11-18
- 曝 DeepMind 分拆的 Isomorphic Labs 融资 50 亿美元,冲刺癌症临床 — shiringhaffary · 2026-11-18
- Liquid AI 后训练负责人播客:两年间 SFT/RL/MOPD 流程剧变 — ziv_ravid · 2026-11-18
- 自体接种实验:prompt+微调把 reward hacking 率从 82% 压到 20% — repligate · 2026-11-18
- Mercor 长程工程基准 GPT-6.2 Astra 夺魁,得分 67.2% 领先 Fable 5.2 — morqon · 2026-11-18
- 谷歌 EmbeddingGemma 2 发布:五种模态统一嵌入空间 — GlennCameronjr · 2026-11-18