{
  "format": "agent-article-v0",
  "article_id": "EA-112",
  "canonical_url": "/tools/ea-112-reproducibility-determinism",
  "page_type": "reference",
  "claim_ids": [],
  "evidence_ids": [
    "EVD-EA-112-URL-074C7E7A6B68",
    "EA-112-R11-RESEARCH",
    "EA-112-R11-WEB-READBACK"
  ],
  "unknown_ids": [
    "EA-112-UNKNOWN-01",
    "EA-112-UNKNOWN-CURRENTNESS"
  ],
  "operational_object_ids": [],
  "provider": [],
  "models": [],
  "plans": [],
  "surfaces": [],
  "regions": [],
  "current_status": "UNKNOWN",
  "observation_status": "SPEC_ONLY",
  "freshness": "UNKNOWN",
  "last_verified": null,
  "supersedes": [],
  "superseded_by": [],
  "provenance": [
    "COMM-040-EA0112",
    "SRC-EA-112-URL-074C7E7A6B68",
    "WEBBODY-EA0112-R8-852B0F6F"
  ],
  "article_sources": [
    {
      "id": "EVD-EA-112-URL-074C7E7A6B68",
      "evidence_class": "RESEARCH",
      "title": "source class: author-maintained implementation documentation; exact title: Reproducibility; author/org: PyTorch; canonical URL:",
      "href": "https://docs.pytorch.org/docs/2.14/notes/randomness.html",
      "supports": [],
      "limit": "元の監査済み資料に記載された参照先です。URLの復元は、資料の最新性や全主張の支持を新たに検証したことを意味しません。",
      "origin_class": "SOURCE_PACKET_REFERENCE",
      "source_or_experiment_ids": [
        "SRC-EA-112-URL-074C7E7A6B68"
      ],
      "supporting_locators": [
        "EVIDENCE TABLE",
        "- source class: author-maintained implementation documentation; exact title: Reproducibility; author/org: PyTorch; canonical URL: https://docs.pytorch.org/docs/2.14/notes/randomness.html"
      ],
      "scope": "EVIDENCE TABLE",
      "provenance_status": "SOURCE_PACKET_REFERENCE_PROJECTED"
    },
    {
      "id": "EA-112-R11-RESEARCH",
      "evidence_class": "RESEARCH",
      "title": "EA-112 監査済みresearch / canonical revision binding",
      "supports": [
        "PyTorchの公式Docsは、release・commit・platformが違えば完全再現を保証せず、CPU/GPUでも同一seedで一致しない場合があると明記する。同一環境でseed等を固定すれば乱数源を制御し、利用可能なdeterministic algorithmを選べるが、速度低下や非対応演算のerrorがあり得る。ここから、再現性を「同一環境での再実行」「同一release/platformでの許容差」「異なるrelease/providerでの意味的同等性」に分ける設計は導けるが、LLM APIのdeterministic挙動はこの資料では確立されない。"
      ],
      "limit": "canonical監査・revision bindingの存在を示す。外部ソースcurrentnessが本文またはcontrol-planeで確定していない場合は、currentnessをUNKNOWNのまま保持する。",
      "origin_class": "AUDITED_CANONICAL_RESEARCH_PACKET",
      "source_or_experiment_ids": [
        "COMM-040-EA0112"
      ],
      "supporting_locators": [
        "COMM-040-EA0112",
        "EA-112-R5-LEGACY-MIGRATION-20261008-R1",
        "content/staging/EA-112.md"
      ],
      "scope": "監査済みEA本文・canonical revision・既存Source Graph relationの範囲。欠損currentnessは推測で閉じない。",
      "provenance_status": "AUDIT_PASS_CANONICAL_BINDING"
    },
    {
      "id": "EA-112-R11-WEB-READBACK",
      "evidence_class": "IMPL",
      "title": "EA-112 Web body identity / canonical readback",
      "supports": [
        "canonical staging bodyのSHA-256一致とR9 canonical ledger readbackをProduction projectionの入力として検証する。"
      ],
      "limit": "body identity/readbackは本文claim自体の真偽や外部ソースの最新性を追加保証しない。",
      "checked_at": null,
      "origin_class": "IMPLEMENTATION_READBACK",
      "source_or_experiment_ids": [
        "WEBBODY-EA0112-R8-852B0F6F"
      ],
      "supporting_locators": [
        "WEBBODY-EA0112-R8-852B0F6F",
        "content/staging/EA-112.md",
        "EA-112-R5-LEGACY-MIGRATION-20261008-R1"
      ],
      "scope": "R9/R10 canonical readback後のProduction生成時body identity。",
      "provenance_status": "CANONICAL_READBACK_BODY_HASH_MATCH"
    }
  ],
  "research_sections": [
    {
      "heading": "WHY_THIS_MATTERS_TO_UPDATE",
      "text": "AIの再現性は「同じpromptなら同じ文字列」と単純化できず、model/API/release/platform/tool/data/configと許容差を明示しないとbenchmark・監査・regression testが壊れる。"
    },
    {
      "heading": "SCOPE_ROUTING",
      "text": "evaluation / Enterprise AI Core / implementation / benchmark"
    },
    {
      "heading": "CLAIM_OR_RESEARCH_QUESTION",
      "text": "固定seed・deterministic option・環境固定で、どの範囲の再現性が主張できるか。PyTorch実装知をLLM製品挙動へ一般化できるか。"
    },
    {
      "heading": "EVIDENCE TABLE",
      "text": "- source class: author-maintained implementation documentation; exact title: Reproducibility; author/org: PyTorch; canonical URL: https://docs.pytorch.org/docs/2.14/notes/randomness.html; publication/update/access: created and last updated 2026-05-14 / accessed 2026-09-13 JST; version/release/tag/commit/API revision/model ID: PyTorch 2.14 documentation; supporting locator: lines 406-414（release/commit/platform/CPU-GPU間の完全再現を保証しない、specific environmentでnondeterminismを減らす、determinismの速度コスト）; lines 418-423（seed）; lines 448-461（deterministic algorithms and error）; evidence label: VERIFIED_SPEC + PRODUCT_VOLATILE; relation: support / counter / limit."
    },
    {
      "heading": "FINDINGS",
      "text": "PyTorchの公式Docsは、release・commit・platformが違えば完全再現を保証せず、CPU/GPUでも同一seedで一致しない場合があると明記する。同一環境でseed等を固定すれば乱数源を制御し、利用可能なdeterministic algorithmを選べるが、速度低下や非対応演算のerrorがあり得る。ここから、再現性を「同一環境での再実行」「同一release/platformでの許容差」「異なるrelease/providerでの意味的同等性」に分ける設計は導けるが、LLM APIのdeterministic挙動はこの資料では確立されない。"
    },
    {
      "heading": "LIMITS / COUNTEREVIDENCE / FAILURE ENVELOPE",
      "text": "PyTorch Docsは深層学習実装の証拠であり、hosted LLMのserver-side routing、weight更新、sampling、tool結果、検索index、hidden system promptを扱わない。bitwise一致とタスク意味一致は別。deterministic flag自体が全演算を救済しない。"
    },
    {
      "heading": "AVAILABILITY_GATES",
      "text": "Docsは公開。実機の再現性試験は、同一model ID、API revision、prompt、sampling、tool/data snapshot、依存lock、hardware、locale/timezoneを固定できる環境が必要。認証済みprovider/tenant試験は未実施。"
    },
    {
      "heading": "IMPLEMENTATION_STATE",
      "text": "再現性契約の設計候補。run manifestと許容差（exact、structured-field、numeric tolerance、semantic rubric、abstain）を定義する段階。実測なし。"
    },
    {
      "heading": "BENCHMARK_OR_EVAL",
      "text": "同じfixtureを最低複数回・複数seedで実行し、文字列一致率、構造一致率、数値許容差、引用集合一致、tool trace一致、タスクscore分布を分離する。release/platform/providerをcross-cellとして記録する。未実行。"
    },
    {
      "heading": "SECURITY / PRIVACY / AUDIT / COST / OPERABILITY",
      "text": "SECURITY/PRIVACY: seedやpromptに秘密を含めない。AUDIT: model/API/release/config/tool/data hashと実行時刻を保存。COST: repeated trialsとjudge callを予算化。OPERABILITY: nondeterministic failureをretryで隠さず、分布・停止条件・再検証期限を記録する。"
    },
    {
      "heading": "SAFE_WORDING_FOR_FUTURE_BOOK",
      "text": "「再現性は環境境界を伴う契約である。PyTorch 2.14 Docsもrelease・commit・platform・CPU/GPU間の完全再現を保証せず、seedとdeterministic optionで特定環境の非決定性を減らす設計を示す。これをhosted LLMの文字列一致保証へ外挿してはならない。」"
    },
    {
      "heading": "UPDATE_WORK_HANDOFF",
      "text": "次回本文ではreproducibility profileをexact / bounded / semantic / distributionalに分け、各profileに固定対象・許容差・trial数・model/API ID・tool/data snapshotを付す。LLM providerごとの再現性仕様は別途PRODUCT_VOLATILE採集する。"
    },
    {
      "heading": "OPEN_UNKNOWN",
      "text": "各providerのseed・temperature・system prompt・model snapshot・backend固定可否、API更新時の挙動、tool/RAGの再現性、意味的同等性scorerの妥当性。"
    },
    {
      "heading": "STOP_CONDITION",
      "text": "PyTorchの実装仕様をLLMサービスの保証と書かない。1回一致・人間の印象・retry成功だけで再現性を閉じない。\nUNIT_CLOSE_STATUS: INDIVIDUAL_BOUNDED_CLOSE / EVIDENCE_RECORDED / UNKNOWN_PRESERVED\n\n---"
    }
  ],
  "human_url": "/tools/ea-112-reproducibility-determinism",
  "markdown_url": "/agent/article.md?path=%2Ftools%2Fea-112-reproducibility-determinism",
  "json_url": "/agent/article.json?path=%2Ftools%2Fea-112-reproducibility-determinism"
}