saturation

本文讨论了云软件中普遍存在的可用性风险，涵盖了饱和、网络和安全等常见故障领域，并引用了重大事件的例子。

本文讨论软件系统在规模增长时因资源饱和而失效的现象，类比生物系统的极限，并介绍物理资源（CPU、内存、磁盘、网络）饱和和虚拟限制对系统可靠性的影响。

本文将从认知科学中提出的QQ等式发展为针对大型语言模型（LLM）的审计标准，刻画了理论上的机制类别，并在一个开源权重的指令微调模型上进行了实证测试，结果发现饱和（近确定性响应）阻碍了分布级审计。

一条推文指出基准测试很快就会饱和，并以模型 GPT-5.6 Sol Pro 为例，该模型在 prinzbench 上获得了 91/99 的分数，还有两个问题未解决。

本文分析了混合精度神经网络中量化损失的结构，表明饱和使每层损失可加，并提出了一种覆盖模型，该模型用少量参数预测配置损失，在大规模模型上得到验证。