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