研究人员提出针对神经网络硬件故障的实数纠错码框架

Ziqing Lu、Myung Cho 等研究人员在 arXiv 上发布论文，提出一种实数值误差校正编码（ECC）框架。该方案旨在检测并纠正神经网络在硬件内存故障及计算错误导致的运行异常。框架核心是对网络权重施加结构化的实值线性约束，结合线性规划与稀疏恢复技术。该方法宣称在不增加参数量、不牺牲分类性能的前提下，实现了低复杂度的纠错能力。目前，这是首个同时解决神经网络内存与计算错误的实数基 ECC 方案，为提升 AI 系统的硬件鲁棒性提供了新的理论路径。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。