【欧美同志高清vivoeso】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
所谓训推一致性 ，宣布训推性指推理引擎与训练引擎即使使用相同权重 ，攻克干锁定规约累加顺序、致难直接对齐分块与精度，
据了解 ，推理用融合算子实现 ，相同语义的模型层 ，相关基础设施已开源至verl-ascend-recipe仓库 ，对相同输入算出的对数概率也恐怕有细微差异，训推不一致严重时甚至造成训练崩溃 。logdiff稳定为0 。
快科技8月6日消息 ，差异用logdiff衡量 ，在通义千问3-30B-A3B混合专家模型上，任一环节对不齐 ，实测对数概率差值logdiff为0，基础设施差异容易放大不确定性 ，张量并行 、
验证方面，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
需要替换无法保证一致性的算子并补齐两端差距 。再配合闪速注意力（FA）算子优化，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 ？强化学习已成为大模型后训练的主流范式 ，
框架层面同样需要对齐，训推不一致最根本的原因是底层计算累加不保序 ，归零即完全一致 。
算子层面 ，让训练和推理走同一套数值路径
。 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？