Компьютерные науки > Языки программирования [представлены 17 сентября 2026 года] Название: Гипофез выходных данных в космосе: Эквивалентная проверка эквивалентности для программ тензоров Вид PDF HTML (экспериментальный) резюме: программы Tensor, используемые в моделях глубокого обучения, являются главной целью оптимизации, поскольку незначительное улучшение показателей работы может оказывать значительное воздействие на подготовку или расчетный объем работы. Однако такая оптимизация является сложной задачей и может привести к возникновению утончённых ошибок. Традиционно считается, что правильность предполагается в тех случаях, когда дифференциальное тестирование по сравнению со ссылкой на случайные вводимые данные не позволяет выявить ошибки. Однако вводимые данные для этих программ являются огромными настольными, и поиск ошибок может потребовать создания крайне низких вероятностей ввода данных с точным соотношением между их ценностями. Мы предлагаем новый способ найти жуков более последовательно, переворачивая квантификаторы. Вместо того, чтобы генерировать один вход и проверять все точки вывода на предмет эквивалентности, что если бы вы могли проверить эквивалентность одного выхода на уровне tensor для всех входных данных? Мы реализуем эту идею в системе, dirigo, используя новую символическую стратегию исполнения. Мы показываем, что dirigo может эффективно найти ошибки в общедоступном наборе данных из 6 988 ядер АИ, написанных как CUDA, которые все маркированы…
Гипотеза выходного-космического цикла: Эквивалентная проверка эквивалентности программ на случай тензора
arXiv: 2609.19611v1 Annualce Type: cross Brieft: Tensor programmes, используемые в моделях глубокого обучения, являются главной целью оптимизации, поскольку незначительное улучшение показателей работы может оказывать значительное воздействие на все виды учебной подготовки или оценки рабочей нагрузки. Однако такая оптимизация является сложной задачей и может привести к возникновению утончённых ошибок. Традиционно считается, что правильность предполагается в тех случаях, когда дифференциальное тестирование по сравнению со ссылкой на случайные вводимые данные не позволяет выявить ошибки. Однако вводимые данные для этих программ являются огромными настольными, и поиск ошибок может потребовать создания крайне низких вероятностей ввода данных с точным соотношением между их ценностями. Мы предлагаем новый способ найти жуков более последовательно, переворачивая квантификаторы. Вместо того, чтобы генерировать один вход и проверять все точки вывода на предмет эквивалентности, что если бы вы могли проверить эквивалентность одного выхода на уровне tensor для всех входных данных? Мы реализуем эту идею в системе, dirigo, используя новую символическую стратегию исполнения. Мы показываем, что дириго может фин