我已经阅读了很多有关.NET中浮点确定性的文章，即确保相同的代码和相同的输入将在不同的机器上提供相同的结果。由于.NET缺少Java的fpstrict和MSVC的fp：strict之类的选项，因此共识似乎是，使用纯托管代码无法解决此问题。C＃游戏AI
Wars已经改用定点数学，但这是一个繁琐的解决方案。

主要问题似乎是CLR允许中间结果存在于FPU寄存器中，该寄存器的精度比该类型的本机精度更高，从而导致不可预测的更高精度结果。CLR工程师David
Notario的MSDN文章解释了以下内容：

请注意，在当前规范下，提供“可预测性”仍然是一种语言选择。
该语言可以在每个FP操作之后插入conv.r4或conv.r8指令，以实现“可预测”的行为。
显然，这确实很昂贵，并且不同的语言会有不同的折衷。例如，C＃不执行任何操作，如果您想缩小范围，则必须手动插入（float）和（double）强制转换。

这表明，只需为评估为float的每个表达式和子表达式插入显式强制转换即可实现浮点确定性。可能会在float周围编写包装类型以自动执行此任务。这将是一个简单而理想的解决方案！

但是，其他评论表明，它并不是那么简单。埃里克·利珀特（Eric
Lippert）最近表示（重点是我）：

在某些版本的运行时中，强制转换为float会显着不同。当您显式转换为float时，C＃编译器 会提示运行时
说：“如果碰巧正在使用此优化，则将其退出超高精度模式”。

运行时的“提示”到底是什么？C＃规范是否规定显式强制转换为float会导致在IL中插入conv.r4？CLR规范是否规定conv.r4指令会使值缩小到其原始大小？只有这两个都是正确的，我们才能依靠显式强制转换来提供浮点“可预测性”，正如David
Notario所解释的那样。

最后，即使我们确实可以将所有中间结果强制为该类型的原始大小，这是否足以保证跨机器的可重复性，还是存在其他因素，例如FPU / SSE运行时设置？