您好，我在使用 CUDA 的 __hfma 函数时，遇到了一些精度相关的问题，希望能够得到帮助。
我在 CUDA 程序中调用 __hfma（half-precision fused multiply-add）函数来执行计算，但发现 Device 端和 Host 端计算的结果存在 1 ULP（Unit in the Last Place）的差异。以下是我的测试环境和代码片段：
- GPU: [p4]
- CUDA 版本: [12.1]
- GPU 架构: [ sm_60]
- 编译器命令: nvcc demo.cu -o demo -arch=sm_60
======================================
代码见附件
======================================
结果：
result in device: F817 vs -33504.000000
result in host: F816 vs -33472.000000
理论上应该是 0 ulp，但是产生了1ulp；
麻烦帮忙检查一下，是host端的参考计算不对，还是device端出现了偏差