kernel contracts约束服务内核行为漂移

2026年10月23日，arXiv Artificial Intelligence 刊出 Lan Wu 与 Bruce Changlong Xu 的机器学习研究，提出用 kernel contracts 约束推理内核漂移。报道称，相同权重在不同执行程序下会产生不同的下一 token 分布：训练使用高精度累加与固定张量形状，而服务端采用低精度算术、融合注意力内核、分页 KV cache 和动态批处理。作者提出 kernel contracts，规定服务内核在每一段流量切片上可以偏离参考内核多远，以及超过限制时服务系统应当如何处理，并给出非渐近界证明。目前该工作处于论文发布阶段，尚无部署或实测结果的报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。