Fedora 33全同配置R环境probit GLM跨设备结果存在微小差异

三名研究人员在同版本Fedora 33系统上使用R对同一数据集拟合Probit连接的广义线性模型，已逐环节核验所有运行环境完全一致：数据集内容、操作系统版本、R版本、依赖包版本、sessionInfo()输出、64位架构与R安装版本、随机种子、g++编译器版本全部对齐。
核心模型拟合调用代码如下：

probitModel <- glm(
  Y ~ a + b + c + d + e + f + g,
  control = glm.control(maxit = 100),
  start = startingval,
  family = binomial(link = "probit"),
  data = thisData
)

已验证的行为特征：同代码下普通线性回归lm()的输出在所有设备上完全一致；每台设备自身重复运行代码的结果稳定、可复现，仅跨设备比对时上述Probit连接族的glm输出存在微小数值偏差。所用公开数据集导入后运行上述代码即可稳定复现该异常。

• 操作系统版本完全一致
• R版本完全一致
• 所有依赖包版本完全一致
• 运行前随机种子设置完全一致
• 所有设备为64位架构，安装的R为64位编译版本
• 逐行比对两台设备的sessionInfo()输出，结果完全匹配
• g++编译器版本完全一致
• 逐次迭代对比Deviance追踪值，两台设备的32次迭代计算值完全一致，均在第32次迭代收敛至Deviance=67075.16的水平
• 逐行比对两台设备的R options()配置输出，结果已同步收集备查

采用sprintf("%.20f", probitModel$coefficients)格式化输出的系数对比结果如下：

• 设备1输出的对应系数（截距+7个自变量）：
  • "-2.87521118137333120401"
  • "-0.29134882504319664642"
  • "0.11641651353472137753"
  • "-0.00811350544106945529"
  • "0.00939647781971938295"
  • "0.00000000889056301580"
  • "-0.00000000003021053820"
  • "0.04553200818707187070"
• 设备2输出的对应系数：
  • "-2.87521124006409856122"
  • "-0.29134881939721285482"
  • "0.11641651896472486605"
  • "-0.00811350937056383621"
  • "0.00939647799201156347"
  • "0.00000000889056417264"
  • "-0.00000000003021022404"
  • "0.04553201421062236243"

定位上述跨设备微小数值偏差的产生根源，输出可落地的标准化解决方案，确保多设备运行该模型时输出结果完全对齐。

内容的提问来源于stack exchange，提问作者compIssues