一篇新论文介绍了一个包含 84 种机器学习硬件数值格式的综合目录，解决了在不同加速器之间移植模型时出现的静默差异问题。该目录包括针对 FP8、BF16 和 MXFP4 等各种格式的比特精确一致性包，作为供应商无关的参考。这项工作旨在为工程师提供一个共享标准，以诊断和解决差异，确保模型在不同硬件上具有更高的一致性。 AI
影响 标准化数值格式，可能减少模型移植问题，并提高 AI 工作负载的跨硬件兼容性。
排序理由 该集群包含一篇学术论文，详细介绍了机器学习硬件格式的技术参考。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.09686v1 Announce Type: cross Abstract: Numeric format proliferation in machine learning hardware -- FP8 (E4M3 and E5M2), BF16, MXFP4, microscaling block formats, and dozens of research variants -- has outpaced the availability of vendor-neutral, bit-exact reference mat…
Numeric format proliferation in machine learning hardware -- FP8 (E4M3 and E5M2), BF16, MXFP4, microscaling block formats, and dozens of research variants -- has outpaced the availability of vendor-neutral, bit-exact reference material. Engineers porting models across accelerator…