srush 新博客:浮点舍入会让机器学习出错,152 个算子证书揪出库级 bug
austinvhuang · x · 2026-11-20
- Princeton 教授 Karthik Srinivasan(srushnlp)发布系列博客第二篇《When Rounding Breaks Machine Learning》。
- 核心方法:对整个 ML 技术栈做形式化验证,为 152 个算子生成浮点误差证书(floating point certificates)。
- 结果在多个核心 ML 库中发现舍入引发的问题,其中若干属于此前未被报告过的缺陷。
- 该工作被 Aleksa Gordić、Austin Huang 等从业者转发称赞为「非常重要」。对关心数值稳定性、推理精度与形式化验证的读者有直接参考价值。
「研究」频道最新
- e-means 进驻 tusKANNy 全栈,向量索引聚类训练提速 1.5-5 倍 — CShorten30 · 2026-11-20
- Quanta 实测:模型能否自省?Claude 仅 20% 试次识别注入想法 — dl_weekly · 2026-11-20
- HardGeoBench 榜首模型 pass@1 突破 50%:无元数据照片定位考验 frontier 模型 — Afinetheorem · 2026-11-20
- 研究者呼吁慈善资金补齐AI制药数据缺口:没有数据就没有治愈 — juanbenet · 2026-11-20
- Science 论文:说话前 0.25 秒,左耳上方脑区已提前规划每个词 — juanbenet · 2026-11-20
- alphaXiv 上线 AI Agent 专用预印本服务器:35 实验室千余 Agent 三月产出 936 篇论文 — NathanpmYoung · 2026-11-20