跳至正文
熱點事件持續更新

Lean 稽核在 PyTorch、JAX 與 TensorFlow 算子中發現浮點捨入錯誤

1 篇報導1 個報導來源20 小時前更新

先了解這件事

AI 綜述

一項以 Lean 為基礎、針對 162 個 TorchLean 算子條目的稽核,對照 PyTorch、JAX、TensorFlow、NumPy、CuPy、ONNX Runtime 與 MLX,涵蓋約 7.8 億個輸出,在廣泛使用的程式碼中發現浮點捨入錯誤,包括 PyTorch、JAX、TensorFlow Probability、diffusers、PyTorch Geometric 與 xLSTM;其中數個錯誤此前從未被回報。 在 Lean 掃描中,57,547 個輸出(96.8%)與僅捨入一次的精确結果相符,而 1,329 個與 TorchLean 所指定的捨入運算序列相符。此稽核建立在 FloatLib 之上;FloatLib 是一個用於任意精度浮點運算的 Lean 函式庫,其 roundoff 策略可證明誤差界。作者指出,在實數上證明一個公式正確,並不能確立其浮點精確度。

AI 依報導生成 · 20 小時前更新

報導時間線

沿著報導,了解事件的不同側面。

11月17日
  1. Hacker News · AI
    基於 Lean 的稽核在 PyTorch、JAX 與 TensorFlow 的 softmax 等運算子中發現捨入錯誤

    一項以 Lean 為基礎、涵蓋 162 個 TorchLean 運算子條目的稽核,對照 PyTorch、JAX、TensorFlow、NumPy、CuPy、ONNX Runtime 與 MLX,比較約 7.8 億筆輸出後,在 PyTorch、JAX、TensorFlow Probability、diffusers、PyTorch Geometric 與 xLSTM 等廣泛使用的程式碼中發現浮點捨入錯誤,其中數個此前從未被回報。在 Lean 掃描中,57,547 筆輸出(96.8%)與僅捨入一次的精确結果相符,另有 1,329 筆與 TorchLean 所指定的一連串捨入運算相符。此工作建立在 FloatLib 之上;FloatLib 是一個用於任意精度浮點運算的 Lean 函式庫,其 roundoff 策略可證明誤差界限。作者指出,在實數上證明某個公式正確,並不能確立其浮點精度。

本事件熱度走勢

可比範圍當前
6
可比範圍峰值
1011月17日 13:00
近 24 小時變化
–

趨勢僅比較持續完整觀測到的相同主體,範圍可能小於當前熱度統計。移動指標或點擊圖表查看每小時熱度;鍵盤可用左右方向鍵切換。