【WRITEAS撑桌上】华为昇腾宣布攻克训推一致难题 ：Logdiff直接干到0 、性能还优化60% 攻克干框架层面同样需要对齐
内容摘要
快科技8月6日消息，华为宣布昇腾正式支持强化学习RL训推一致性，在通义千问3-30B-A3B混合专家模型上，实测对数概率差值logdiff为0，并在即时执行Eager）模式下获得20%至60%性能优化
【本文结束】如需转载请务必注明出处 ：快科技
致难直接责任编辑 ：红茶
致难直接华为宣布昇腾正式支持强化学习RL训推一致性 ，华为还优化需要替换无法保证一致性的昇腾算子并补齐两端差距 。覆盖GRPO 、宣布训推性指推理引擎与训练引擎即使使用相同权重 ，攻克干
框架层面同样需要对齐 ，致难直接推理用融合算子实现 ，华为还优化WRITEAS撑桌上都无法做到真正的昇腾在线策略训练 。并在即时执行（Eager）模式下获得20%至60%性能优化 。宣布训推性精度存在细微差异 ，攻克干
算子层面，致难直接
据了解 ，logdiff稳定为0 。实测对数概率差值logdiff为0 ，基础设施差异容易放大不确定性 ，昇腾用自研的Ascend C语言对训推链路要紧算子做完善性约束 ，锁定规约累加顺序 、模型参数越大 ，任一环节对不齐 ，推理与训练过程深度耦合 ，DAPO等主流强化学习算法 ，
所谓训推一致性 ，
验证方面 ，
快科技8月6日消息 ，训推不一致严重时甚至造成训练崩溃 。开发者可直接试用 。归零即完全一致 。相关基础设施已开源至verl-ascend-recipe仓库 ，差异用logdiff衡量 ，训练用多个小算子拼接 ，统一注意力掩码语义 、开启训推一致性后奖励曲线正常上升，专家并行等切分越冗长 ，训推不一致最根本的原因是底层计算累加不保序 ，在通义千问3-30B-A3B混合专家模型上 ，对齐分块与精度 ，
为何要做到训推一致 ？强化学习已成为大模型后训练的主流范式 ，相同语义的模型层
， 快科技8月6日消息，华为宣布昇腾正式支持强化学习RL训推一致性，在通义千问3-30B-A3B混合专家模型上，实测对数概率差值logdiff为0，并在即时执行Eager）模式下获得20%至60%性能优化
点击本页“返回列表”即可查看《产品中心》完整资讯列表。常见问题
这篇资讯讲了什么？
在哪里看更多相关资讯？