当前的人工智能训练基础设施假设采用IEEE-754算术的反向模式自动微分。这种算术基础导致了训练相对于推理的内存开销、优化器复杂性以及通过训练导致的几何属性结构退化。研究提出了一种替代训练架构，基于三个先前的研究成果：维度类型系统和确定性内存管理框架，建立了可堆栈的梯度分配和精确的累加作为设计时可验证的属性；程序超图，建立了通过几何代数计算保持等级的类型级不变性；以及b-posit 2026标准。...