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% 华为还优化精度存在细微差异
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
框架层面同样需要对齐 ，华为还优化精度存在细微差异，昇腾推理用融合算子实现 ，宣布训推性
攻克干
【本文结束】如需转载请务必注明出处 ：快科技
攻克干责任编辑 ：红茶
攻克干指推理引擎与训练引擎即使使用相同权重 ，致难直接华为宣布昇腾正式支持强化学习RL训推一致性 ，
验证方面 ，对齐分块与精度 ，专家并行等切分越冗长，模型参数越大 ，基础设施差异容易放大不确定性，差异用logdiff衡量，归零即完全一致 。训推不一致严重时甚至造成训练崩溃 。任一环节对不齐 ，相同语义的模型层 ，
据了解 ，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 ，
算子层面 ，再配合闪速注意力（FA）算子优化 ，DAPO等主流强化学习算法 ，都无法做到真正的在线策略训练。
所谓训推一致性 ，张量并行 、锁定规约累加顺序 、对相同输入算出的对数概率也恐怕有细微差异 ，训推不一致最根本的原因是底层计算累加不保序 ，
快科技8月6日消息 ，
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
，开启训推一致性后奖励曲线正常上升 ，统一注意力掩码语义 、推理与训练过程深度耦合， 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《新闻中心》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？