การตรวจสอบด้วย Lean พบข้อบกพร่องจากการปัดเศษทศนิยมในตัวดำเนินการของ PyTorch, JAX และ TensorFlow
เริ่มตรงนี้
การตรวจสอบด้วย Lean ครอบคลุมรายการตัวดำเนินการ TorchLean จำนวน 162 รายการ ตรวจเทียบกับ PyTorch, JAX, TensorFlow, NumPy, CuPy, ONNX Runtime และ MLX จากผลลัพธ์ราว 780 ล้านรายการ พบข้อบกพร่องจากการปัดเศษทศนิยมในโค้ดที่ใช้กันอย่างแพร่หลาย รวมถึง PyTorch, JAX, TensorFlow Probability, diffusers, PyTorch Geometric และ xLSTM โดยข้อบกพร่องหลายรายการไม่เคยมีผู้รายงานมาก่อน ในการตรวจด้วย Lean พบว่าผลลัพธ์ 57,547 รายการ (96.8%) ตรงกับผลลัพธ์ที่แม่นยำเมื่อปัดเศษเพียงครั้งเดียว ขณะที่ 1,329 รายการตรงกับลำดับการดำเนินการที่ปัดเศษตามที่ TorchLean กำหนด การตรวจสอบนี้ต่อยอดจาก FloatLib ซึ่งเป็นไลบรารี Lean สำหรับเลขทศนิยมความแม่นยำตามอำเภอใจที่กลยุทธ์ roundoff พิสูจน์ขอบเขตความคลาดเคลื่อนได้ ผู้เขียนตั้งข้อสังเกตว่าการพิสูจน์ว่าสูตรหนึ่งถูกต้องบนจำนวนจริงไม่ได้ยืนยันความแม่นยำเชิงทศนิยมของสูตรนั้น
สร้างจากรายงาน · อัปเดต 20 ชม. ที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- Hacker News · AIการตรวจสอบโดยใช้ Lean พบข้อบกพร่องการปัดเศษใน softmax และตัวดำเนินการอื่น ๆ ทั่ว PyTorch, JAX และ TensorFlow
การตรวจสอบโดยใช้ Lean ของรายการตัวดำเนินการ TorchLean จำนวน 162 รายการ เมื่อเทียบกับ PyTorch, JAX, TensorFlow, NumPy, CuPy, ONNX Runtime และ MLX จากผลลัพธ์ราว 780 ล้านรายการ พบข้อบกพร่องการปัดเศษทศนิยมในโค้ดที่ใช้กันอย่างแพร่หลาย รวมถึง PyTorch, JAX, TensorFlow Probability, diffusers, PyTorch Geometric และ xLSTM ซึ่งหลายรายการไม่เคยมีผู้รายงานมาก่อน ในการตรวจสอบด้วย Lean มีผลลัพธ์ 57,547 รายการ (96.8%) ตรงกับผลลัพธ์ที่แน่นอนเมื่อปัดเศษเพียงครั้งเดียว ขณะที่ 1,329 รายการตรงกับลำดับการดำเนินการที่ปัดเศษตามที่ TorchLean กำหนด งานนี้ต่อยอดจาก FloatLib ซึ่งเป็นไลบรารี Lean สำหรับเลขทศนิยมความแม่นยำตามอำเภอใจที่มี tactic ชื่อ roundoff ใช้พิสูจน์ขอบเขตข้อผิดพลาด และผู้เขียนตั้งข้อสังเกตว่าการพิสูจน์ว่าสูตรหนึ่งถูกต้องบนจำนวนจริงไม่ได้ยืนยันความแม่นยำเชิงทศนิยมของสูตรนั้น
ความร้อนแรงของเหตุการณ์นี้
- ช่วงปัจจุบันที่เทียบได้
- 6
- จุดสูงสุดในช่วงที่เทียบได้
- 1017 พฤศจิกายน 13:00
- การเปลี่ยนแปลงใน 24 ชั่วโมง
- –
แนวโน้มนี้เปรียบเทียบผู้ร่วมพูดถึงชุดเดียวกันในช่วงเวลาที่เฝ้าดูต่อเนื่อง ช่วงจึงอาจแคบกว่าคะแนนความร้อนปัจจุบัน วางเมาส์หรือแตะกราฟเพื่อดูความร้อนรายชั่วโมง กดลูกศรเพื่อเลื่อนดู