更新（2014 年 8 月）：我从未深究此事，也从未在 Revolution 论坛上得到任何反馈。然而，这个问题似乎已在 Revolution R 7.2 中得到解决（使用 R 3.0.3，同样是学术版本）。我运行了几百次以下的 lme() 测试，所有结果都和预期的一样。[更新结束]
我刚刚在一台新 PC 上安装了革命 R 7.0 (R 3.0.2) 的学术版，下面的代码得到了奇怪的结果。每次运行代码时，它都会给出不同的结果。在 CRAN-R 下，结果总是相同的（我认为应该如此）。代码片段来自test.data.table()版本 1.8.10 的测试 527，它指出了错误。
library(nlme)
all.equal(lme(distance ~ age, data=Orthodont), lme(distance ~ age, data=Orthodont))
我得到类似下面的东西，但每次都不一样。
> all.equal(lme(distance ~ age, data=Orthodont), lme(distance ~ age, data=Orthodont))
[1] "Component 4: Component 2: Component 1: Mean relative difference: 1.774149e-08"
[2] "Component 7: Mean relative difference: 0.0003335902"
'有趣'的事情是nlme包（其中lme()的一部分）本身是相同的，我卸载并重新安装以确保（包的 nlme_3.1-113.zip 文件是逐位相同的）。
我还不够了解，无法深入了解。任何指针或想法将不胜感激。我也在Revolutions的论坛上发过帖子，但这里的人似乎比这里少得多……
这是在 64 位 Windows 8.1、64 位 R 以及 Intel i7-4770 CPU 下（如果重要）。当前版本的 Revolution R (R 3.0.2) 和之前的 (2.15.3) 都会产生意想不到的（对我而言）行为。CRAN-R 3.0.1 和 3.0.2 产生相同的结果。
革命 R 的 sessionInfo() 输出：
> sessionInfo()
R version 3.0.2 (2013-09-25)
Platform: x86_64-w64-mingw32/x64 (64-bit)
locale:
[1] LC_COLLATE=English_United States.1252
[2] LC_CTYPE=English_United States.1252
[3] LC_MONETARY=English_United States.1252
[4] LC_NUMERIC=C
[5] LC_TIME=English_United States.1252
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] nlme_3.1-113 Revobase_7.0.0 RevoMods_7.0.0 RevoScaleR_7.0.0
[5] lattice_0.20-24 rpart_4.1-3
loaded via a namespace (and not attached):
[1] codetools_0.2-8 foreach_1.4.1 grid_3.0.2 iterators_1.0.6
[5] pkgXMLBuilder_1.0 revoIpe_1.0 tools_3.0.2 XML_3.98-1.1
更新 1： 我已经将问题（遵循下面的答案和评论中的一些指针）追溯到 Revolution R 使用英特尔 MKL BLAS 库的事实。如果我切换到 CRAN 提供的 BLAS 库，问题就会消失。（注意：我对自己编译 R 的了解不够，所以我没有测试过 OpenBLAS 和其他替代方案。在 Revolution R 中，只需重命名两个 dll-s。）。
似乎其他人也得到了与 MKL 不一致的结果。机器公差内存在差异，即为all.equal()TRUE 而identical()为 FALSE。在我的案例中，不同的结果似乎非常大。
我已经在 Revolution R 的论坛上发布了这个问题，如果我得到回复，我会在这里更新。我想此时我的问题应该修改为“何时使用 MKL BLAS 以及何时使用 CRAN-R BLAS”。这不是速度（*）的问题，而是一致和正确的结果。我将花更多时间寻找标准测试套件（不确定此处的术语？）以检查 R 的输出与已知正确的输出。这是我喜欢的事情之一data.table，它有自己的测试对最终用户可见。我知道我不应该期望包含所有（甚至大多数）包的单个测试，但至少涵盖基本功能的东西。
(*) 速度取决于具体的工作流程。在这种特殊情况下，CRAN BLAS 比 MKL 快（都运行单线程）。在其他工作中，Revolution R 的速度要快得多，这就是我研究它的原因。