日前，GitHub 上出现了一个名为 MRVPlatform（代号 OrbitTest）的开源命令行工具，专门用于检验 ONNX 模型在遭遇辐射诱发的位翻转时，是否仍然能维持正确的预测。这类位翻转在学术上称为单粒子翻转（SEU），是卫星在轨运行中真实存在的内存错误来源。该工具并非简单验证模型能否运行，而是模拟星载计算机实际可能发生的存储损坏，再评估模型的预测能力。
工具的工作流程是：先加载 ONNX 模型和验证数据集，建立无故障的干净精度基线；然后根据用户指定的故障率（单位是每比特每天的错误数）和任务暴露天数，计算每个权重张量中期望出现的位翻转数量，即 expected_flips = fault_rate × tensor_size_bits × mission_days。随后，工具直接在 IEEE-754 float32 的比特表示上随机注入翻转——符号位、指数位和尾数位均可能被选中——再用被破坏的权重重新对验证集进行推理。为了避免单次试验的偶发性，它会以蒙特卡洛方式重复多次（默认 20 次），并报告准确率的均值、标准差和范围。最终，工具给出一个 0 到 100 的韧性评分：100 × (平均故障准确率 / 干净准确率)，并截断到 [0,100]。
除了整体评分，逐层敏感度分析是该工具最有价值的输出之一。它会固定只破坏某一个权重张量，保持其他张量干净，重复试验后按平均准确率下降幅度排名。这样工程师可以知道：如果只能加固或复制一个层，哪个层收益最大。项目在 README 中也详细说明了故障率预设的来源：leo-typical（2×10⁻⁷ 错误/比特·天）源自 SAC-C 卫星上 4-Mbit SRAM 的实测在轨 SEU 率；saa-transit（1×10⁻⁵）是对南大西洋异常区影响的量级估计；solar-storm-worst-case（1×10⁻³）则与 1989 年 10 月 CREME96 最坏日基准一致。后两者被明确标注为估算值，不能替代任务特定的辐射分析。
使用上，该工具是一个 Python CLI。用户必须提供 --model 和 --data，并以 --fault-rate 或 --preset 指定故障参数，此外可设置 --mission-days、--trials、--layer-trials、--seed 等选项。输出包括控制台摘要、完整 JSON 报告（含每次试验细节、分布统计、模型和数据集哈希）以及准确率对比图。
项目开发者特意强调了当前局限：只破坏模型权重，不涉及激活值、梯度、控制流或飞行软件；韧性评分仅基于 top-1 准确率；每次运行只覆盖单一工作点；目前只对一个小型线性模型和一个预训练 CNN 做过验证，尚未覆盖 Transformer 等架构；两个预设是数量级估算；推理仅限 CPU、单图像。整体而言，这是一个为期三天的 CLI 验证冲刺，目的是在投入完整 SaaS 产品前，确认故障注入方法论是否有效、结果是否足以说服持怀疑态度的航空航天工程师。