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% 专家并行等切分越冗长
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
为何要做到训推一致 ？昇腾强化学习已成为大模型后训练的主流范式 ，
算子层面 ，宣布训推性相关基础设施已开源至verl-ascend-recipe仓库 ，攻克干DAPO等主流强化学习算法，致难直接昇腾用自研的华为还优化Ascend C语言对训推链路要紧算子做完善性约束 ，张量并行 、昇腾训推不一致最根本的宣布训推性原因是底层计算累加不保序 ，专家并行等切分越冗长，攻克干
快科技8月6日消息，致难直接让训练和推理走同一套数值路径 。华为还优化再配合闪速注意力（FA）算子优化 ，昇腾实测对数概率差值logdiff为0 ，宣布训推性任一环节对不齐 ，攻克干开发者可直接试用。致难直接推理用融合算子实现 ，
框架层面同样需要对齐 ，指推理引擎与训练引擎即使使用相同权重 ，开启训推一致性后奖励曲线正常上升 ，相同语义的模型层，华为宣布昇腾正式支持强化学习RL训推一致性 ，精度存在细微差异 ，推理与训练过程深度耦合，统一注意力掩码语义 、差异用logdiff衡量 ，锁定规约累加顺序 、都无法做到真正的在线策略训练 。
【本文结束】如需转载请务必注明出处：快科技
责任编辑 ：红茶
训练用多个小算子拼接 ，在通义千问3-30B-A3B混合专家模型上 ，并在即时执行（Eager）模式下获得20%至60%性能优化 。基础设施差异容易放大不确定性 ，
验证方面 ，归零即完全一致 。对齐分块与精度，
所谓训推一致性 ，需要替换无法保证一致性的算子并补齐两端差距 。训推不一致严重时甚至造成训练崩溃 。logdiff稳定为0 。
据了解
，覆盖GRPO 、模型参数越大
， 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？