Ⅰ. 本期重点精读
01 / 电压故障注入 · 语言模型推理
Voltage Fault Injection Against On-Device Language Models
Hardware and Architectural Support for Security and Privacy · 2026-10-28 · DOI: 10.1145/3857307.3857310
对 Arm Cortex-M4 上带键值缓存的 4,192 参数 Transformer，逐阶段进行电压毛刺扫描。六个前向阶段都有时刻使 43.0 %–99.7 % 的毛刺产生无崩溃异常，敏感时刻随提示改变；单次毛刺可先不改当前 token 而改后续 token。重算并比较全部输出分数时，6,100 次尝试无故障未报警就改变输出，但多层感知机偏移处 299 次输出未变仍报警。结果表明防护需覆盖各前向阶段和跨 token 状态。
给前向传播各阶段打标记，逐阶段扫描触发时刻并记录无崩溃异常比例；同时比较重算前后的全部输出分数，区分真正改变输出的故障和仅触发告警的故障。
Ⅱ. 计算平台与软错误
01 / 低精度训练 · 权重同步校验
End-to-End MXFP8 Reinforcement Learning on Blackwell: What Matching Buys, When It Pays Off, and How It Fails
arXiv:2610.34915 · 2026-10-26 · 预印本
B200 GPU 上实现端到端 MXFP8 强化学习，比较采样器与学习器的数值格式匹配，并检查权重同步正确性。采样器线性层同网格时 train-rollout KL 低 11 %–16 %，MoE 换网格首步 KL 翻倍；MXFP8 在稠密负载约 4.5k tokens/微批以上才提速。作者列出权重同步七条条件并在活跃引擎上检查，七种故障各破坏一条、五种静默，CPU 注入复现其中五种。
把权重同步正确性拆成若干可检查的条件，在引擎运行时构造对应的权重不一致，观察哪项检查先报警、哪些静默通过。再比较不同检查组合能覆盖哪些静默错误。
Ⅲ. 其他值得跟踪的前沿
01 / FPGA 滤波器 · 单比特纠错
A high-speed fault-tolerant vedic FIR filter architecture on FPGA using reversible logic for ML accelerator applications
International Journal of Reconfigurable and Embedded Systems (IJRES) · 2026-10-25 · DOI: 10.11591/ijres.v15.i3.pp596-608
Xilinx Virtex-5 上的 16 抽头 FIR 滤波器以 Vedic 乘法、可逆 Peres/CNOT 门和可逆超前进位加法器构成数据通路，并加入 Hamming 码 ECC 检测和纠正单比特软错误，面向卷积神经网络加速器中的乘累加单元替代。综合结果显示传播延迟 30.932 ns、功耗 2.645 mW，比基于多常数乘法的基线延迟改善 5.57 %，同时提供单比特纠错。新意在于把可逆逻辑与 Hamming ECC 组合进 FIR 架构，并给出延迟和功耗开销。在 FPGA 数据通路中同时记录 ECC 的延迟、功耗和可纠正错误类型，并与 TMR 的面积开销并列比较，用综合后时序和资源报告判断加固代价。
在 FPGA 数据通路中并列记录 Hamming ECC 与 TMR 的延迟、功耗和资源开销，并标明各自能纠正的错误类型；用综合后的时序和资源报告判断加固代价。
02 / 金刚石探测器 · 重离子辐照
All-diamond detector with negligible degradation after ultrahigh-dose heavy-ion irradiation
Applied Physics Letters · 2026-10-26 · DOI: 10.1063/5.0354283
以 1302 MeV 的 84Kr18+ 将全金刚石探测器辐照至 1.587×1010 ions/cm2，吸收剂量 9.39 Mrad(C)，并比较辐照前后的暗电流、222 nm 光电流响应和 Raman 缺陷。20 V 下暗电流保持在 10−11 A 量级；222 nm 响应度从 338 降到 310 mA/W，辐照后周期光照下光响应稳定；Raman 显示 NV0 缺陷浓度增加，使可见光电流略升，但 222/405 nm 抑制比仍为 3.2×104。工作把高剂量重离子后的宏观性能退化与具体缺陷变化放在同一组测量里，说明全金刚石探测器在该剂量下退化很小。固定偏压和波长序列记录暗电流、响应度与抑制比，并同步做缺陷表征，把性能变化对应到缺陷浓度。
辐照前后按同一偏压和波长记录暗电流、响应度与抑制比，并同步做 Raman 缺陷表征；这样能把宏观性能变化对应到具体缺陷浓度。
03 / 忆阻神经形态 · 输入可靠性
Reliability‐Aware Framework for Fault‐Tolerant Multi‐Sensor Fusion Using Neuromorphic Hardware‐Native Learning
Advanced Computing · 2026-10-28 · DOI: 10.1002/adco.70013
训练阶段，传感器脉冲直接更新忆阻神经形态硬件原生学习的权重，错误输入会造成错误权重更新和误激活。工作构建 FaultynuScenes 多模态数据集，用于呈现真实传感器数据点中实时错误造成的影响，并用规则化可信度判据构成可靠性层，在关联前检查输入。PSPICE 仿真显示，该层在不同场景下把误激活降低约 25 %–50 %。新意在于把可靠性检查放在权重更新之前，并用带错误影响的数据集做低层概念验证。在 CIM 训练流程中先校验输入可信度再更新权重，记录错误输入触发的误激活率，并比较有无检查时的权重更新差异。
在权重更新前加入输入可信度检查，并用带实时错误影响的数据集记录误激活率；比较有无检查时的权重更新，能看出错误输入在训练回路中的传播。