[111hyq111]

• 选题：MXFP8 / NVFP4 低精度模拟与反量化
• ID：佳得乐

本次补充

完成摩尔线程 MTT S4000 的 MUSA 后端适配，并与 NVIDIA RTX 3090 进行相同输入、配置和测量流程下的性能对比。

• 实现 CPU、CUDA、MUSA 三个后端，支持 E4M3、E5M2、E2M1。
• MUSA scale归约改为共享内存实现，消除对物理warp宽度的依赖。
• 统一正负零处理，并增加直接回归测试。
• CUDA、MUSA均通过3项CTest，包含1728个主配置用例及附加检查。
• 两平台分别完成18组配置，每组5轮完整预热、20轮正式测量。
• 保存原始CSV、配置、环境、构建与测试日志，并提供复现脚本。

报告与分析

报告解释了位域解码优化及其对量化、反量化的影响，比较了两个平台的优化收益，并说明负零问题的处理过程和下一步验证方案。

当前结果是软件低精度模拟的实测表现，不代表原生FP8/FP4 Tensor Core性能。跨平台性能差距的具体原因尚未定位；报告区分event-span、完整API和文件E2E的计时范围。

阅读入口

• 项目与运行说明
• 实验报告
• 最终跨平台对比

最新提交：3a83373dd06d6a7b1d327d98b27b9b52e40a09d9