يمكن لأخطاء البث الصامتة في نماذج ML أن تسبب أخطاء جسيمة، مما يكلف آلاف الدولارات في موارد الحوسبة. عندما لا تتطابق أبعاد التوترات بالضبط، تقوم الإطارات بـ 'البث' عن طريق تمديد أبعاد الحجم 1، مما يخلق عمليات مصادفة بدلاً من العمليات المقصودة للمتجهات. على سبيل المثال، إضافة متجه عمودي (N, 1) إلى متجه مسطح (N,) تنتج مصفوفة (N, N) بدلاً من عمليات عنصر بعنصر. هذا يسبب نماذج الانحدار إلى تحسين المتوسط الكتلي بدلاً من تعلم علاقات المدخلات والمخرجات الفعلية، مع ظهور منحنيات الخسارة طبيعية بينما يتم تدريبه towards garbage. يقدر المؤلف هدر 4,000 دولار في تكاليف الحوسبة بسبب هذا الخطأ. وتتطلب الوقاية التحقق الدقيق من شكل التوترات وفهم قواعد البث لضمان تطابق الأبعاد كما هو مطلوب.