尝试了一点点跨平台确定性的工作，其实就是这库 https://github.com/SlimeYummy/ozz-animation-rs 。

原理上讲影响跨平台确定性的因素基本是你说的：编译器、指令集、数学库。

编译器，你不混编C代码的话，Rust默认配置就行。

指令集，要么不用SIMD，用的话只推荐nightly的Portable SIMD，SSE和NEON有很多有效位数的坑，比如知名的_mm_rsqrt_ps，NEON等价指令与SSE有效位数不同。好在Portable SIMD里提供的指令可以放心用。不过我仍然遇到过x86_64与aarch64上某些计算产生的NaN符号位不同的问题，会导致f & 0x80000000这种取符号的操作产生不同结果。

数学库，只能以实测为准，比如我使用glam就遇到了默认features无法保证确定性的问题(https://github.com/bitshifter/glam-rs/issues/468)。

所以，最大的感受还是，一定要在目标平台上测试！！

嗯，主要想确认是：相同的代码，会不会在编译优化下，使得在有些架构上执行了simd，或者不同方式的simd,有些又没有，导致相同的浮点操作代码，却导致了在不同平台架构上出现不一致结果。 如果会怎么可以避免 那个RFC提到过unsafe或者等效unsafe封装的函数可能导致相同代码出现不确定结果。

--
👇
Bai-Jinlin: 你这个问题提起了我的兴趣刚才研究了下。

运算的不确定性确实可能出现在一些simd的操作上。

例如一条指令同时计算a乘b加c，这个指令与分两步计算的结果在一些特殊值的组合上有一些内部舍入的误差。

我不确定这种问题是因cpu而异还是这种舍入有固定的标准。

use core::arch::x86_64::*;
fn main() {
    unsafe {
        let a = 0.112811446;
        let b = 0.6541757;
        let c = 0.794073;
        println!("{}", a * b + c);

        let a = _mm_set1_ps(a);
        let b = _mm_set1_ps(b);
        let c = _mm_set1_ps(c);

        let d = _mm_add_ps(_mm_mul_ps(a, b), c);
        println!("{:?}", d);

        let e = _mm_fmadd_ps(a, b, c);
        println!("{:?}", e);
    }
}

你这个问题提起了我的兴趣刚才研究了下。

运算的不确定性确实可能出现在一些simd的操作上。

例如一条指令同时计算a乘b加c，这个指令与分两步计算的结果在一些特殊值的组合上有一些内部舍入的误差。

我不确定这种问题是因cpu而异还是这种舍入有固定的标准。

use core::arch::x86_64::*;
fn main() {
    unsafe {
        let a = 0.112811446;
        let b = 0.6541757;
        let c = 0.794073;
        println!("{}", a * b + c);

        let a = _mm_set1_ps(a);
        let b = _mm_set1_ps(b);
        let c = _mm_set1_ps(c);

        let d = _mm_add_ps(_mm_mul_ps(a, b), c);
        println!("{:?}", d);

        let e = _mm_fmadd_ps(a, b, c);
        println!("{:?}", e);
    }
}