https://chatgpt.com/share/6ae0d8e5-8f58 ... 84a4d9c393
科学计算的可信度，不能由软件或机构的名气决定。从计算雅可比矩阵谈起，NumPy并非仅供教学，NASA也没有统一的“高级算法”。同样的工具可以用于课堂或科研；区别在于算法是否适用、误差是否受控，以及结果能否独立复核。
计算机没有报错，也不意味着答案正确。现代CPU仍能检测浮点异常，但运行环境通常默认屏蔽异常捕获，记录标志、返回无穷大等结果后继续运行。更隐蔽的是，相消损失、病态矩阵和不合适的差分步长，可能产生看似正常却严重失真的数值，并不触发异常。
因此，对AI数学成果，应追问：采用什么算法和精度？是否监测异常？有无误差界与独立验证？就OpenAI单位距离猜想项目，查到的公开资料未提供浮点异常次数及处理记录。不过，最终成果采用代数数论论证，并有外部数学家公开核验，不能等同于浮点数值实验。
这里还须校验“认可”的含义：截至2026年10月27日，尚未查到可确认的正式期刊接收或发表记录。专家核验、预印本公开与期刊同行评审，是不同层次的证据；“精确论证”描述证明的性质，不代表已经通过期刊审稿。
科学的严谨性，在于明确证据支持什么、尚不能确认什么。零异常不能保证证明正确，过程不透明也不能直接推出结论错误。可信度来自可检查的论证、可复现的计算，以及对误差和证据边界的坦诚说明。
出了我个人恩怨外，我也是在为本版大众争取议价权。
你这个想法很好，具体谁cash in了？别又是许皮带吹玩牛比，你20年白奋斗。
agent把它們聯系起來。
因此，你原先的论点仍有依据，但应收窄为：AI 的部分矩阵计算可以容忍经过控制的量化误差。 我不能据此把整个模型简单描述成“只有四位精度”。
https://chatgpt.com/share/6ae0e126-780c ... 7baf7d08d9
现在也不是完全没有关联了
ai能对科学计算结果进行分析推理和优化
珍藏
想想看新的AI要提高性能，得引进4位浮点数，就知道算错一点无关紧要。
#!/usr/bin/env python3
"""Train and inspect a word-token attention LM; regenerate all article numbers."""
import os
os.environ.setdefault('OPENBLAS_NUM_THREADS','1')
os.environ.setdefault('OMP_NUM_THREADS','1')
import argparse
import csv
import json
from pathlib import Path
import re
import numpy as np
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
from core import Model, softmax
guess next token -> softmax -> jacobian (数值方法）
科学计算和ai是两个领域
几乎没啥关联
我的感觉是“你在说些什么啊？”
这些AI数学成果，可以说和科学计算无关。如果说AI运行中的AI程序内部的运算，例如神经元权重之类，其实无关紧要，你看人家还用4位浮点呢。算错了也顶多是有个幻觉，甚至不算是个坏事，可能就靠那个幻觉出成果呢。
如果是对AI研究对象进行的计算，可以说基本上没有这样的计算。这次AI主要是推理，联想。不涉及多少计算。它们的计算能力也不比人的口算强大（或强大多少）。
讲“德”也得有个过程吧，周礼就是一种形式化的程序正义