## p = 0.25，stateful_bernoulli
  每个 TC VREG 的变换指令 6.0 条：vshrl.8x128.s32 1，vor.8x128.u32 1，vadd.8x128.f32 1，vmax.8x128.f32 1，vlt.8x128.f32 1，vsel.8x128 1，vimm.8x128.s32 0.015625
  实际概率 0.250000000000（与 p 相差 0.00e+00）；65536 个样本中为真的比例 0.2504，标准误差 0.0017
  { va0: vrng.8x128.u32 v22 }
  { va1: vshrl.8x128.s32 v23, v22, 0x9 }
  { va0: vor.8x128.u32 v24, 0x3f800000, v23 }
  { va1: vadd.8x128.f32 v25, -1.0, v24 }
  { va0: vmax.8x128.f32 v26, v25, 0.0 }
## p = 0.25，整数阈值
  每个 TC VREG 的变换指令 3.0 条：vshrl.8x128.s32 1，vlt.8x128.s32 1，vsel.8x128 1，vimm.8x128.s32 0.015625
  实际概率 0.250000000000（与 p 相差 0.00e+00）；65536 个样本中为真的比例 0.2504，标准误差 0.0017
  { va0: vrng.8x128.u32 v22 }
  { va1: vshrl.8x128.s32 v23, v22, 0x8 }
  { va0: vlt.8x128.s32 vm0, v23, 4194304 }
  { va0: vsel.8x128 v25, vm0, 0x1, v24 }
  { vst: vst.8x128 [vmem:0x0], v25 ; .encoding { vst.opcode = s0 } }
## p = 0.3，stateful_bernoulli
  每个 TC VREG 的变换指令 6.0 条：vshrl.8x128.s32 1，vor.8x128.u32 1，vadd.8x128.f32 1，vmax.8x128.f32 1，vlt.8x128.f32 1，vsel.8x128 1，vimm.8x128.s32 0.015625
  实际概率 0.300000071526（与 p 相差 7.15e-08）；65536 个样本中为真的比例 0.3013，标准误差 0.0018
## p = 0.3，整数阈值
  每个 TC VREG 的变换指令 3.0 条：vshrl.8x128.s32 1，vlt.8x128.s32 1，vsel.8x128 1，vimm.8x128.s32 0.015625
  实际概率 0.300000011921（与 p 相差 1.19e-08）；65536 个样本中为真的比例 0.3013，标准误差 0.0018
## 掩码直接用于 vsel：jnp.where(keep, x · 4/3, 0)
  每个 TC VREG 的变换指令 4.0 条：vshrl.8x128.s32 1，vmul.8x128.f32 1，vlt.8x128.s32 1，vsel.8x128 1
  取值：[0.0, 4.0]，为 0 的比例 0.2504，均值 2.9985（期望 3）
  { va0: vrng.8x128.u32 v24 }
  { va1: vshrl.8x128.s32 v25, v24, 0x8 }
  { va0: vlt.8x128.s32 vm0, v25, 4194304 ; vld: vld.8x128 v25, [vmem:0x38] }
  { va0: vsel.8x128 v26, vm0, 0x0, v23 }
  { va0: vmul.8x128.f32 v26, 1.3333333730697632, v25 ; vst: vst.8x128 [vmem:0x200], v26 }
  { va0: vrng.8x128.u32 v29 }