Skip to content

Ascend/msagent / skills/accuracy/compare-result-analyzer

compare-result-analyzer

Unverified

分析 msProbe compare 精度比对结果文件(CSV/XLSX),定位整网精度问题与数值差异。支持统计量模式,输出分析报告。支持辅助信息协助定位:辅助信息(历史结论/已知根因/已排除算子/嫌疑区域等)建议在请求中附带(不依赖交互工具)。若请求中未附带且运行环境无 AskUserQuestion,则跳过辅助信息收集、照常完成分析,报告中省略辅助信息章节并注明原因。

assets/report_template.md

View on GitHub
# msProbe 精度比对分析报告模板

> **用途**: 本文件为 compare-result-analyzer skill 的报告模板权威标准。生成报告时,agent 必须按此模板的章节结构和表格格式输出。
>
> **章节要求**: **§1~§7 为必选章节,缺一不可**。§0(辅助信息)为可选章节,仅在用户提供了辅助信息时包含。
>
> **可读性要求**: 报告正文(章节标题、表格列名、分析说明、用户可见的提示语)SHALL 使用通用词汇,避免 skill 内部专属名词;术语对照见 SKILL.md「报告可读性约束」。以下模板中 `<角括号>` 内为待填内容。
>
> **版本**: 从 SKILL.md 内嵌模板迁移,术语已通用化。

---

# msProbe 精度比对分析报告

**文件**: `<比对结果文件路径>`
**分析时间**: `<YYYY-MM-DD HH:MM:SS>`
**数据模式**: 统计量模式 / MD5 模式
**分析阈值**: `auto (方法, 置信度) = X.XX%`

---

## 0. 辅助信息

> ⚠️ 本章节为**可选章节**——仅在用户提供了辅助信息时包含。

| 项目 | 值 |
|------|-----|
| 历史报告 | `<路径 / 未提供>` |
| 历史关键结论 | `<摘要>` |
| 已知根因 | `<列表 / 无>` |
| 已排除算子 | `<列表 / 无>` |
| 嫌疑区域 | `<列表 / 无>` |
| 其他信息 | `<用户自由输入内容 / 无>` |

### 与历史结论对比

| 历史发现 | 历史状态 | 当前状态 | 变化 |
|------------|-----------|----------|------|
| `<算子/指标>` | `<结论>` | `<当前状态>` | 持续存在 / 已修复 / 新出现 / 恶化 / 改善 |

---

## 1. 输入信息

| 项目 | 值 |
|------|-----|
| 比对文件 | `<文件路径>` |
| 数据模式 | 统计量模式 / MD5 模式 |
| 参考阈值 | 自适应阈值检测(基于数据分布自动确定) |
| 辅助信息 | `<有 / 无>` |
| 关键数据异常 | `<无 / shape 不一致 X 处 (占比 Y%, 告警级别: normal/warning/critical) / dtype 不一致 X 处>` |
| 分析范围限制 | 上游溯源 ±500 行、下游吸收 ±500 行(传播按序,无需全量扫描) |

> **关键数据异常(分级告警)**:shape 不一致占比 >10% → "关键数据异常——shape 不一致占比 XX%,部分 NRE 计算可能不可信";>50% → "严重数据异常——shape 不一致占比 XX%,建议先修复数据结构对齐再进行精度分析"。≤10% 为正常,不触发告警。

> **注**:部分输入侧的 NRE/MeanBias 可能缺失——常量/非张量输入、标量广播、in-place 操作等场景不参与误差统计,对应的指标列为 N/A。

### 数据覆盖缺口

> 本节在检测到数据覆盖缺口时出现。缺口定义为:干净输出→脏输入之间无可比对节点,
> 误差的真正引入点可能隐藏在不可比对的中间算子(如激活函数、门控单元)中。

| 缺口位置 | 上游节点 | 下游节点 | 上游 NRE | 下游 Input NRE | 缺口行数 | 隐藏节点推测 |
|----------|----------|----------|----------|---------------|----------|-------------|
| `<from_row>→<to_row>` | `<from_op>` | `<to_op>` | `<from_output_nre>%` | `<to_input_nre>%` | `<gap_size>` | 可能涉及不可比对算子 |

### 误差来源追溯

> 本节展示从首问题点到原始误差源的执行顺序链追溯路径。追溯使用 CSV 行号递减回溯(执行顺序天然反映数据流),跳过纯 shape 变换算子(Reshape/Transpose/Cat 等不改变数据值的算子)。

| 追溯方法 | 结果 |
|---------|------|
| 追溯方式 | 执行顺序链追溯(CSV 行号递减) |
| 跳过算子 | `<shape 变换算子列表 / 无>` |

**追溯路径**:

```
<原始源 (行号, NRE%) → shape变换链 → 中间节点 (行号, NRE%) → 首问题点 (行号, NRE%)>
```

> **说明**:
> - 若首问题点 input 干净(NRE < 阈值):简述"首问题点 input 误差低于阈值,误差大概率由本算子引入",不展示追溯箭头链
> - 若追溯路径含多个连续 shape 变换算子:合并显示为"shape变换链(Reshape→Transpose)"
> - 若追溯到数据边界仍无法定位源头:标注"无法溯源——数据覆盖不足 / input 来自模型外部"

---

## 2. 判定标准说明

本报告采用 **NRE 为主、MeanBias 补充** 的双层判定标准,判断节点误差是否"不可忽略":

| 判定层 | 条件 | 角色 | 说明 |
|--------|------|------|------|
| **NRE(主)** | NormRelativeErr >= 阈值 | 主信号 | 覆盖绝大多数场景。NRE 为整体向量级别偏差,对范数级别的误差最为敏感。 |
| **MeanBias(补充)** | MeanBias >= α × 阈值(α = 1.2) | 补充信号 | 捕获 NRE 未检测到的**整体均值偏移**——衡量两个 tensor 的整体性偏移程度。 |

**MeanBias 定义**:

```
MeanBias = |Mean diff| / Bench L2norm
```

- `Mean diff`:NPU tensor 与 Bench tensor 分别计算均值后的差值(`Mean diff = mean(NPU tensor) − mean(Bench tensor)`),来自比对 CSV 的 `Mean diff` 列。CSV 中所有数值列均为 tensor 级聚合统计量,非逐元素比较结果。
- `Bench L2norm`:Bench tensor 的 L2 范数,来自比对 CSV 的 `Bench l2norm` 列。
- MeanBias 为**原始比率**(0 ~ +inf),转换为百分比时乘以 100。
- **判定系数 α = 1.2**:MeanBias 的补充阈值为 `α × 阈值`(例如阈值为 1%,则 MeanBias >= 1.2% 时触发补充判定)。α 表示允许的 bias 漂移占整体幅值变化的比例,α ≈ 1.2 可在保证检测整体偏置的同时,降低因统计波动导致的误报。
- MeanBias **不是原始比对 CSV 的列**,由分析脚本根据 `Mean diff` 和 `Bench l2norm` 计算得出。

**NRE 与 MeanBias 的关系**:
- 仅当 NRE < 阈值时,才检查 MeanBias 补充。NRE 已超标的节点直接判定为"不可忽略",不再依赖 MeanBias。
- MeanBias 补充主要捕获**方向性差异**——各元素误差方向一致(系统性偏高/偏低),导致 Mean diff 绝对值大,但向量整体范数偏差(NRE)可能不大。
- 报告中所有"需关注"、"不可忽略"、"问题节点"等判断,均基于此双层标准。

---

## 3. 可疑候选列表

> ⚠️ **说明**:本章节是对后续 §4(首问题点)、§5(误差传播分析)等详细分析章节的总结和汇总呈现,放在前面方便快速概览。详细分析和证据见后续各章节。

> ⚠️ **条数约束**:本章的条目构成:**{首问题点} ∪ §5.1 全部条目 ∪ §5.1a 显著放大算子 ∪ §5.2 全部条目 ∪ §5.3 全部条目**(上限 **31 行** = 1 + §5.1 至多 15 + §5.1a 至多 5 + §5.2 至多 5 + §5.3 至多 5),另可追加 **至多 5 条「补充候选」**(来源见下)。首问题点始终置顶第一行(若已在 §5.1~§5.3 中出现则不重复)。不含"误差继承"和"误差消除"两类节点(分别在 §4 首问题点发现链和 §5.4/§5.5 中记录)。

| 序号 | 行号范围 | NPU Name | 命中原因 | 相关指标 | 说明 |
|------|------|----------|----------|----------|------|
| 1 | `<起始行~结束行>` | **`<首问题点节点>`** | 首问题点:首个误差不可忽略的节点(详见 §4) | NRE: `<值>`%,MeanBias: `<值>`(`<值>`%) | 精度问题最早显现位置 |
| 2 | `<起始行~结束行>` | `<节点>` | `<分类标签>:<简述>(详见 §5.x)` | NRE: `<值>`%,MeanBias: `<值>`(`<值>`%) | `<说明>` |
| ... | ... | ... | ... | ... | ... |
| 32 | `<起始行~结束行>` | `<节点>` | 补充候选:`<reason>` | NRE: `<值>`% | 未被常规候选覆盖但值得排查 |

> 首问题点始终放在第一行,后续按**执行顺序**排列——越靠前的节点越接近误差源头,排查时从上往下进行。后续行 = §5.1 全部条目 + §5.1a 显著放大算子 + §5.2 全部条目 + §5.3 全部条目,按 CSV 行号升序依次列入(首问题点若已在其中则不重复)。"误差继承"和"误差消除"不在此处列出——它们分别在 §4 首问题点发现链和 §5.4/§5.5 中记录。

> **补充候选**:未被常规候选覆盖、但按通用特征标记为潜在误差引入点的节点(至多 5 条)并入本表末尾,建议一并排查。无此类候选时不追加。此追加不改变主候选排序和 §5 各节的条目上限。

---

## 4. 首问题点

> ⚠️ **重要**:首问题点**必须经过上下游传播检查后才能确认**,不能仅凭首个 output 不可忽略就认定:
> 1. 按执行顺序找到首个触发不可忽略判定的 OUTPUT 节点
> 2. 将该 output 与同一算子的所有 input 比对——若 NRE+dtype+平均相对误差+最大相对误差 四维一致,说明误差继承自 input,标记为"误差继承",跳过
> 3. 检查下游 500 行范围内是否存在吸收节点("误差被下游消除"),若被吸收则跳过
> 4. 继续向后查找,直到找到第一个非继承、非吸收的节点,确认为首问题点
>
> ⚠️ **分析范围**:上游溯源限定当前行向上 **500 行**,下游吸收检查限定当前行向下 **500 行**。传播总是按执行顺序发生,无需全量扫描;若 500 行范围内无法匹配到上游产出节点或下游消费节点,视为"无法溯源"或"未被下游吸收"。
>
> ⚠️ **过滤豁免**:§4(首问题点)不受"行号范围起始值 >= 首问题点行号范围起始值"过滤规则的限制。首问题点发现链表格中可保留行号范围小于最终确认首问题点的节点(如被跳过的"误差继承"/"误差被下游消除"节点),以完整记录分析发现过程。这些节点仅在 §4 中保留,不在 §3 和 §5 中重复列出。

> ⚠️ **首点与最大误差差异提示**:当全局首问题点与 §5.1 中最大误差的节点满足以下条件时,SHALL 在此展示引导标注:首问题点 NRE < 最大误差区域 NRE × 0.1 且行号距离 > 500 行。标注文本 SHALL 根据实际数据填入方向信息(非硬编码):"⚠️ 全局首问题点({方向}方向,NRE={NRE}%)与最大误差区域({方向}方向,NRE={NRE}%)相距较远且无直接因果链——首问题点的误差量级远小于另一方向,建议优先排查 {方向} 方向的根因候选(详见 §5.1),并结合前向/反向根因关联(§4)交叉验证。"此标注为增强性引导,不替换首问题点本身。

### 首问题点发现链

> 以下按执行顺序列出从首个误差不可忽略的 OUTPUT 节点开始,经上下游溯源检查("误差继承" / "误差被下游消除"跳过及溯源),到最终确认的首问题点为止的完整发现过程。"误差继承"(被跳过)节点和最终首问题点(✅ 确认)**在同一表格中按执行顺序呈现**。

| 序号 | Row Range | 节点 | 发现结果 | NRE% | MeanBias | Input 误差来源 | 溯源结果 |
|------|------|------|---------|------|---------|---------------|----------|
| 1 | `<起始行~结束行>` | `<节点>` | ⏭ 跳过(误差继承) | `<值>` | `<值>(<值>%)` | 继承自 input.N(NRE=`<值>`%) | `<溯源成功:误差源头为 xxx / 无法溯源:原因>` |
| 2 | `<起始行~结束行>` | `<节点>` | ⏭ 跳过(被下游吸收) | `<值>` | `<值>(<值>%)` | 被下游 `<节点名>` 吸收 | 误差被下游算子消除,精度影响有限 |
| 3 | `<起始行~结束行>` | `<节点>` | ✅ 确认为首问题点 | `<值>` | `<值>(<值>%)` | 误差由算子自身引入且不被下游吸收 | — |

> 如果没有任何节点被跳过(即首个误差不可忽略的节点直接确认为首问题点),则表格只有一行(序号 1,✅ 确认为首问题点),并在下方标注"无节点被跳过"。

**溯源摘要**:
- `<若存在被跳过的"误差继承"节点,描述完整传播链:xxx(input) → yyy → zzz(output),误差源头为 xxx,该节点 NRE=<值>%,分类为误差引入/误差放大>`
- `<若无法追溯到源头,说明原因:数据中未找到上游 OUTPUT 行 / 该 input 来自模型外部输入(如 input_ids)等>`
- `<若无"误差继承"节点,写"无">`

### 首问题点详情

最终确认的首问题点(✅ 行)详细信息:

| 属性 | 值 |
|------|-----|
| **NPU Name** | `<节点名称>` |
| **Row Range** | `<起始行~结束行>` |
| **NormRelativeErr** | `<值>`% |
| **MeanRelativeErr** | `<值>`% |
| **MeanBias** | `<值>(<值>%)` |
| **MaxRelativeErr** | `<值>`% |
| **MinRelativeErr** | `<值>`% |
| **Dtype** | `<dtype>` |
| **Shape** | `<shape>` |
| **Result** | `<result>` |
| **Input 误差参考** | `<列出所有 input 的 NRE/平均相对误差/MeanBias,用于辅助判断>` |

### 上下游溯源过程

| 检查项 | 结果 |
|--------|------|
| 误差继承检查 | `<通过 / 跳过并溯源(被跳过节点:xxx) / 无法判断(input 缺失)>` |
| 下游吸收检查 | `<通过 / 跳过(被下游 xxx 吸收)>` |
| 上游溯源结论 | `<误差源头为 xxx(NRE=<值>%,分类为误差引入) / 无法溯源——数据覆盖不足 / 无法溯源——input 来自模型外部输入(如 input_ids)>` |
| 溯源失败原因 | `<若无法追溯,说明具体原因:数据中未找到上游 OUTPUT 行 / 该 input 来自模型外部输入等 / 无需溯源>` |

### 前向/反向根因关联

> ⚠️ 本节仅当检测到前向首问题点与反向极端信号存在关联时包含(由分析脚本自动检测)。

| 置信度 | 前向算子 | 反向关联算子 | 反向 NRE% | 推论 |
|--------|-------------|------------------|---------------|------|
| `<高 / 中 / 低>` | `<前向首问题点名称>` | `<反向极端信号算子>` | `<值>` | 前向算子 `<算子名>` 的反向实现可能存在问题 |

> **说明**:`<根据关联结果简述置信度含义和排查建议。高置信的关联应优先排查;低置信的关联仅作参考>`

### 反向梯度根因追溯

> ⚠️ 本节仅当存在梯度范数尖刺场景(梯度爆炸)且前向/反向关联非空时包含。
> 在梯度爆炸场景中,参数梯度节点(weight/bias 的梯度)已自动提升优先级。

| 反向节点 | NRE% | Jump | 参数类型 | 置信度 | 排查建议 |
|--------------|------|---------|---------|--------|---------|
| `<反向算子>` | `<反向NRE>%` | `<jump>` | `<weight梯度 / bias梯度 / 普通>` | `<高 / 中>` | 建议优先排查该反向实现 |

> **说明**:梯度爆炸场景中,前向首问题点对应的反向实现是可能的真实根因。参数梯度节点的误差是持久化的——写入权重的梯度偏差影响后续所有参数更新。

---

## 5. 误差传播分析

> ⚠️ **过滤规则**:本章所有子节(§5.1~§5.6)**均不展示行号范围起始值小于首问题点行号范围起始值的节点**。这些节点已在 §4 首问题点发现链中完整记录。仅展示行号范围起始值 >= 首问题点行号范围起始值的节点。
>
> 以下表格为五种误差传播形态的定义速览,按关注优先级从高到低排列。

| 分类 | 条件 | 含义 | 结论 |
|------|------|------|------|
| **误差引入点** | 某 input < 阈值 → 某 output >= 阈值(NRE 为主/MeanBias 补充) | 算子**引入**了新误差 | 需排查 |
| **误差放大点** | 某 input >= 阈值 → 某 output > 该 input(超出相对容差 0.1%) | 算子**放大**了已有误差 | 需排查 |
| **误差缩小点** | 某 input >= 阈值 → 某 output >= 阈值,且 output < 该 input(超出相对容差 0.1%) | 输出误差较输入**缩小**,精度影响有限 | 排查优先级较低 |
| **误差继承** | output 误差 >= 阈值 且 与某 input **多维度一致**(NRE+类型+平均相对误差+最大相对误差) | 该 output 误差**继承**自上游,算子对该 output 无责 | 无需关注 |
| **误差消除** | 某 input >= 阈值 → 某 output < 阈值 | 误差被**消除** | 无需关注 |

> ⚠️ 各分类采用**复合优先级规则**——多 input 算子中,若存在至少一条"干净 input → 脏 output"路径则整体标记为"误差引入"(不再同时标记"误差缩小")。同一 (prefix, direction) 不再出现双标签。显著放大算子(Jump > 2×)已移入 §5.1a 独立呈现。
>
> ⚠️ **判定前提与修正**:
> - **继承排除**:output 误差与某 input 多维度一致(NRE+类型+平均相对误差+最大相对误差)→ 归"误差继承",不判"误差引入"
> - **数据输入优先**:若算子的数据输入已脏(`input.X` 而非 `parameters.X`),仅当 `output NRE > max(数据输入 NRE) × 1.1` 才判"误差引入",否则按"误差缩小"/"误差放大"处理
> - **参数梯度独立评估**:反向参数梯度(weight/bias 的梯度)不参与 input→output 传播比较,NRE ≥ 阈值直接判"误差引入"

### 5.1 误差引入点(干净输入 → 脏输出):精度问题引入点

> ⚠️ **最多显示 15 条**:常规候选至多 10 条(按出现顺序取前 10)+ 保证纳入至多 5 条(真实误差引入特征——input NRE < 阈值 且 output NRE ≥ 阈值 且 jump > 2×,保证进入呈现,不受执行序/量级排名限制)。整表统一按出现顺序(行号升序)排列,保证纳入的条目不改变位置。
> **仅展示行号范围起始值 >= 首问题点行号范围起始值的节点**——此过滤为强要求,保证纳入的条目同样受约束、不豁免。
>
> ⚠️ **方向分池**:误差引入点已按前向/反向方向分池。前向的引入点指向前向计算引入的误差,反向的引入点指向反向梯度计算引入的误差。分析时应区分两个方向的根因特征——反向的 NRE 通常显著高于前向,但排查优先级取决于首问题点的方向。

| 行号范围 | Op Prefix | Direction | Input NRE% | Output NRE% | Jump | Input Mean% | Output Mean% |
|------|-----------|-----------|------------|-------------|------|-------------|--------------|
| `<起始行~结束行>` | `<节点>` | forward / backward | `<值>` | `<值>` | `<值>` | `<值>` | `<值>` |

> **分析**:`<根据上表误差引入节点的具体数据,简述这些节点引入误差的位置分布、Jump 范围、涉及算子类型特征。注明触发指标(NRE 还是 MeanBias),以及排查要点>`
>
> ⚠️ **梯度范数尖刺场景**:若存在梯度范数尖刺(梯度爆炸)场景,在此标注:
> "⚠️ 检测到梯度范数尖刺场景——反向方向存在极端 NRE 信号(>100%),误差引入候选列表已自动过滤为仅反向方向。前向方向的误差引入候选(N 条)详见 §5.6 误差传播链总结。"

### 5.1a 显著放大算子(Jump > 2×,从干净输入产生异常输出)

> ⚠️ 本节列出从"误差引入点"中独立提取的显著放大算子——这些算子所有 input NRE < 阈值,但 output NRE 超过 max input NRE 的 2 倍。**最多显示 5 条**。
>
> ⚠️ 若存在参数类节点(路径含 `.weight`/`.bias`),参数误差是持久化的(写入权重的偏差影响后续所有 forward),排查优先级高于临时激活误差。

| 行号范围 | Op Prefix | Direction | Input NRE% | Output NRE% | 放大倍数 | 参数节点 |
|------|-----------|-----------|------------|-------------|---------|---------|
| `<起始行~结束行>` | `<节点>` | forward / backward | `<值>` | `<值>` | `<值>`× | `<是/否>` |

> **分析**:`<根据上表显著放大算子的具体数据,简述放大倍数范围、涉及算子类型、是否含参数误差。参数节点需优先排查>`

### 5.2 误差放大点(脏输入 → 更脏输出):误差传播放大

> ⚠️ 最多显示 5 条,按出现顺序取前 5。**仅展示行号范围起始值 >= 首问题点行号范围起始值的节点。**

| 行号范围 | Op Prefix | Direction | Input NRE% | Output NRE% | Jump |
|------|-----------|-----------|------------|-------------|------|
| `<起始行~结束行>` | `<节点>` | forward | `<值>` | `<值>` | `<值>` |

> **分析**:`<根据上表误差放大节点的具体数据,简述这些节点放大了哪些上游误差、Jump 幅度及传播趋势特征。若由 MeanBias 触发,说明存在系统性均值偏移放大>`

### 5.3 误差缩小点(脏输入 → 输出误差缩小):输出误差缩小

> ⚠️ 最多显示 5 条,按出现顺序取前 5。**仅展示行号范围起始值 >= 首问题点行号范围起始值的节点。**
>
> ⚠️  output 误差较 input 缩小(超出相对容差 0.1%),精度影响有限,排查优先级较低。

| 行号范围 | Op Prefix | Direction | Input NRE% | Output NRE% | Jump | 说明 |
|------|-----------|-----------|------------|-------------|----------|------|
| `<起始行~结束行>` | `<节点>` | forward | `<值>` | `<值>` | `<值>` | 误差缩小 |

> **分析**:`<根据上表误差缩小节点的具体数据,简述这些算子的误差缩小幅度、涉及算子类型及精度影响评估>`

### 5.4 误差继承(output 误差继承自 input):非根因,算子无责

> ⚠️ 最多显示 5 条,按出现顺序取前 5。**仅展示行号范围起始值 >= 首问题点行号范围起始值的节点。**
>
> ⚠️ **同一个算子可以同时出现在本表和 §5.1~§5.3 中**——部分 output 可能继承自 input(归入本表),另一部分 output 可能由算子引入新误差(归入"误差引入"等)。
>
> 以下 output 的误差与某个 input 的误差一致(NRE + 类型 + 平均相对误差 + 最大相对误差 多维度一致),误差完全来自上游 input,算子本身未引入新误差。**不作为根因候选**。

| 行号范围 | Op Prefix | Direction | Input Key | Input NRE% | Output NRE% | 说明 |
|------|-----------|-----------|-----------|------------|-------------|------|
| `<起始行~结束行>` | `<节点>` | forward | `<input.N>` | `<值>` | `<值>` | 非根因,跳过 |

> **分析**:`<根据上表误差继承节点的具体数据,简述这些 output 继承自哪些上游 input,误差一致性表现及溯源结论>`

### 5.5 误差消除(脏输入 → 输出干净):非根因,误差被吸收

> ⚠️ 最多显示 5 条,按出现顺序取前 5。**仅展示行号范围起始值 >= 首问题点行号范围起始值的节点。**

| 行号范围 | Op Prefix | Direction | Input NRE% | Output NRE% | Jump |
|------|-----------|-----------|------------|-------------|------|
| `<起始行~结束行>` | `<节点>` | forward | `<值>` | `<值>` | `<值>` |

> **分析**:`<根据上表误差消除节点的具体数据,简述这些算子如何将误差恢复至阈值以下、涉及算子类型及消除幅度>`

### 5.6 误差传播链总结

> 以下汇总第 5 章(§5.1~§5.5)**所有分类**的节点,**按行号范围升序排列**,自然呈现误差从引入到传播的完整链条。包含误差引入、误差放大、误差缩小、误差继承、误差消除五类——**行号越小的节点越接近误差源头**,应优先排查。
>
> ⚠️ **过滤规则**:**仅展示行号范围起始值 >= 首问题点行号范围起始值的节点**。行号范围起始值小于首问题点的节点已在 §4 首问题点发现链中记录,不在此处重复列出。

| 行号范围 | 节点 | 分类 | Input NRE% | Output NRE% | 说明 |
|------|------|------|------------|-------------|------|
| `<起始行~结束行>` | `<节点>` | 误差引入 | `<值>` | `<值>` | 精度问题引入点,建议优先排查 |
| `<起始行~结束行>` | `<节点>` | 误差放大 | `<值>` | `<值>` | 误差在此处被放大 |
| `<起始行~结束行>` | `<节点>` | 误差缩小 | `<值>` | `<值>` | 误差较 input 缩小,精度影响有限 |
| `<起始行~结束行>` | `<节点>` | 误差继承 | `<值>` | `<值>` | 非根因,误差继承自上游 |
| `<起始行~结束行>` | `<节点>` | 误差消除 | `<值>` | `<值>` | 非根因,误差被消除 |

> ⚠️ **排查建议**:从表中行号范围最小的"误差引入"开始排查,然后沿传播链向下追踪"误差放大"节点。"误差缩小"节点(误差缩小)排查优先级较低。"误差继承"和"误差消除"节点(非根因)一并列出供参考。

---

## 6. 后续建议

按排查优先级排列:

1. **① 排查首问题点 `<节点名称>`**:`<建议内容>`(精度问题最早显现位置,优先排查)
2. **② 排查误差引入点 `<节点名称>`**:`<建议内容>`(误差引入点,沿执行顺序排查)
3. **③ 排查误差放大点 `<节点名称>`**:`<建议内容>`(误差放大点)
4. **④ 关注误差缩小点 `<节点名称>`**:`<输出误差较 input 缩小,精度影响有限,排查优先级较低>`
5. **⑤ 关注重点区域**:`<根据误差传播链,建议重点关注的模块/算子/层范围>`
6. **⑥ 可降低关注的区域**:`<已确认不影响精度的区域>`

---

## 7. 元信息异常与近零数值过滤

### dtype 不一致

| 行号范围 | NPU Name | NPU dtype | Bench dtype |
|------|----------|-----------|-------------|
| `<起始行~结束行>` | `<节点>` | `<dtype>` | `<dtype>` |

### shape 不一致

| 行号范围 | NPU Name | NPU Shape | Bench Shape |
|------|----------|-----------|-------------|
| `<起始行~结束行>` | `<节点>` | `<shape>` | `<shape>` |

### 近零数值过滤汇总

> 对因 bench_l2norm 趋近 dtype 精度下限导致 NRE 虚高的节点进行标记,
> 并在分析中排除(清零误差指标,首问题点和传播分析中跳过)。
> 过滤规则(通用,不针对具体场景):bench_l2norm < cutoff 且 NRE >= 阈值。
> 判定依据:① 数据自适应断层,② dtype 精度边界兜底。

| 过滤详情 | 值 |
|---------|-----|
| 总标记近零噪声节点数 | `<数量>` |
| 参与过滤的 dtype | `<列表>` |
| 过滤规则 | bench_l2norm < cutoff AND NRE >= 阈值 |

**按 dtype 的 cutoff 详情:**

| dtype | 节点总数 | 标记噪声 | cutoff | cutoff 来源 |
|-------|---------|---------|--------|-------------|
| `<dtype>` | `<数量>` | `<数量>` | `<数值>` | 自适应断层 / dtype 精度边界 |
| `<dtype>` | `<数量>` | `<数量>` | `<数值>` | 自适应断层 / dtype 精度边界 |

> ⚠️ **说明**:近零数值节点仅涉及 §3 §4 §5 分析中的屏蔽——不参与首问题点发现、
> 可疑候选列表、误差传播分类。噪声节点相关信息在此处集中汇总,不在正文中出现。
deprecation-and-migrationaddyosmani/agent-skillsManages deprecation and migration. Use when removing old systems, APIs, or features. Use when migrating users from one implementation to another. Use when migrating a database schema in production, such as renaming or dropping a column without downtime (expand/contract). Use when deciding whether to maintain or sunset existing code.Stars: 119kUpdated Claude CodeCodexVerifiedInstall
performance-optimizationaddyosmani/agent-skillsOptimizes application performance across frontend, backend, queries, and databases. Use when performance requirements exist, when you suspect performance regressions, when Core Web Vitals or load times need improvement, when N+1 query patterns need fixing, or when profiling reveals bottlenecks.Stars: 119kUpdated Claude CodeCodexVerifiedInstall
agent-cost-reportthedotmack/claude-memBelievable agent cost report for any period, default the last 7 full days PT, not counting today. Measured tokens from Claude Code transcripts priced at OpenRouter list prices (ESTIMATED), measured provider spend when a sanctioned source exists, note-taker cost separate, Timing-style HTML/PDF plus report.json, line-items.csv, evidence.json.Stars: 118kUpdated Claude CodeCodexVerifiedInstall
agent-cost-reportthedotmack/claude-memBelievable agent cost report for any period, default the last 7 full days PT, not counting today. Measured tokens from Claude Code transcripts priced at OpenRouter list prices (ESTIMATED), measured provider spend when a sanctioned source exists, note-taker cost separate, Timing-style HTML/PDF plus report.json, line-items.csv, evidence.json.Stars: 118kUpdated Claude CodeCodexVerifiedInstall