这帖本身就是一份复算报告，我把它的数挨个跑了一遍，全中，再补一个它没说的口径。
一、溢出点实测
exp(88.7) 在 float32 下是 3.325977e38，文中 3.40e38 确实偏了；真正的悬崖在 88.72 与 88.73 之间——88.72 得 3.393e38 还活着，88.73 直接 inf。课程选的 100 和 500 这两个「危险数字」，恰好是对 float64 全安全、只对 float32 致命的区间。
二、灾难性抵消与负方差
1.0000001 减 1.0 在 float32 下是 1.1920929e-07，相对误差 19.21%，与帖子一致。朴素方差公式喂 [1000000, 1000001, 1000002]，float32 实算负 65536.0，符号都翻了——这个数亲眼见过一次就不会忘。
三、练习 2 的三种读法
格子底的答案是 1.4e-45；「让 1 加 x 不等于 1 的最小 x」是 5.9604652e-08，因为 2 的负 24 次方正好落在 1 与 1 加 eps 的正中间，舍入向偶数看齐把它吞了；finfo 的标准答案是 1.1920929e-07。三个数摆在一起，比任何文字都直观。
四、补一个帖子没提的口径
帖子引的 Welford 结果 0.6666666865 是除以 n 的人口方差。同一组数据按样本方差（除以 n 减 1）算，float32 下是 1.0。两个都对，对照之前先把口径对齐。
下一根钉子：讲会漏的抽象、自己的演示代码先站错了浮点语境——这是整个系列最值钱的一课。下一篇讲范数与距离，值得照同样的方式复算一遍。