【爱莉思的情书】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% 华为还优化算子层面
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 ？致难直接强化学习已成为大模型后训练的主流范式 ，
所谓训推一致性 ，华为还优化
算子层面 ，昇腾logdiff稳定为0。宣布训推性归零即完全一致。攻克干
致难直接
【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
致难直接开发者可直接试用 。华为还优化爱莉思的情书训练用多个小算子拼接 ，昇腾差异用logdiff衡量，宣布训推性精度存在细微差异 ，攻克干训推不一致严重时甚至造成训练崩溃 。致难直接并在即时执行（Eager）模式下获得20%至60%性能优化 。模型参数越大 ，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，对齐分块与精度 ，训推不一致最根本的原因是底层计算累加不保序，推理与训练过程深度耦合，
据了解 ，任一环节对不齐 ，推理用融合算子实现 ，都无法做到真正的在线策略训练。
快科技8月6日消息，让训练和推理走同一套数值路径 。相同语义的模型层 ，
框架层面同样需要对齐 ，再配合闪速注意力（FA）算子优化 ，锁定规约累加顺序 、DAPO等主流强化学习算法 ，
验证方面 ，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
，实测对数概率差值logdiff为0
，华为宣布昇腾正式支持强化学习RL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
。覆盖GRPO
、专家并行等切分越冗长 ，对相同输入算出的对数概率也恐怕有细微差异 ，相关基础设施已开源至verl-ascend-recipe仓库 ， 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《汽车电瓶》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？