Из математической теории — в верифицируемую библиотеку за 9 месяцев

Задача

Арифметика с плавающей точкой молча теряет информацию: сумма [1e16, 1, −1e16] даёт 0, значимые разности схлопываются в ложные нули, деление на ноль — исключение, а не часть модели данных. Корректирующая логика в финансовых и научных пайплайнах размазана по edge-case-костылям. Мы поставили задачу сделать арифметику, где потеря точности и сингулярности явны, структурированы и аудируемы, а свойства доказаны и измерены.

Что сделали

• Собрали ядро на базе Абсолютной Компенсационной Теории (ACT): каждая операция возвращает результат плюс явную компенсацию, сингулярные случаи — структурированные состояния с политиками обработки.
• Поверх ядра — компенсированная линейная алгебра (GEMM/QR/SVD), ML-оптимизаторы с обёрткой под PyTorch, финансовый ledger и интеграции с NumPy и pandas.
• Доказали публичную поверхность теорем в Lean 4 + Mathlib: сборка формального проекта сертифицирует ноль недоказанных мест и ноль дополнительных аксиом.
• Ввели правило claim closure: каждое численное утверждение в документации привязано к воспроизводимому бенчмарк-артефакту и перегенерируется в том же изменении.
• Довели до стабильного релиза 1.0.0: 854 теста с гейтом покрытия 85% в CI, двойная лицензия AGPL/Commercial, релизный конвейер публикации пакета.

Результат

1.0 вместо 0.0

сохранён остаток агрегации [1e16, 1, −1e16], который float теряет; воспроизводимый бенчмарк-артефакт генерируется скриптом из репозитория

≥10x

коэффициент стабильности против float64 на катастрофическом сокращении; зафиксированный базлайн регрессионного контроля точности в CI

0 недоказанных мест

доказательства свойств арифметики машинно проверены в Lean 4 + Mathlib (0 sorry); сборка сертифицирует отсутствие лишних аксиом

9 месяцев

от первого коммита до стабильного релиза 1.0.0 с 854 тестами и гейтом покрытия 85%; по истории тегов и коммитов репозитория

Направления

Другие кейсы