根据 @karpathy 的信息，一篇技术调试长文将可疑的训练损失曲线追溯到 PyTorch MPS 后端中 addcmul_ 在 Objective-C++ 路径对非连续输出张量出现静默失败的问题，属于不抛出错误的正确性 Bug；来源：@karpathy 的 X 动态 https://twitter.com/karpathy/status/1982483540899237981 以及其引用的 @ElanaPearl 线程 https://x.com/ElanaPearl/status/1981389648695025849。 对 AI 工作流可靠性而言，这意味着基于苹果 MPS 的 Mac 端训练可能在无显式报错的情况下产生错误结果，直接影响从业者的模型训练和评估流程完整性；来源：@karpathy 的 X 动态 https://twitter.com/karpathy/status/1982483540899237981 与 @ElanaPearl 的 X 线程 https://x.com/ElanaPearl/status/1981389648695025849。 对交易者而言，应将其视为 AI 工具链的软件可靠性风险信号，并关注官方 PyTorch 或苹果 MPS 的更新与发布说明中对 addcmul_ 或非连续张量处理的修复描述，因为明确修复有助于降低 AI 负载的操作不确定性并影响市场情绪；来源：@karpathy 的 X 动态 https://twitter.com/karpathy/status/1982483540899237981 与 @ElanaPearl 的 X 线程 https://x.com/ElanaPearl/status/1981389648695025849。