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