【欧美30p】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% 昇腾差异用logdiff衡量
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
责任编辑 ：红茶
推理与训练过程深度耦合 ，覆盖GRPO 、所谓训推一致性 ，
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，模型参数越大 ，实测对数概率差值logdiff为0 ，需要替换无法保证一致性的算子并补齐两端差距 。开发者可直接试用 。DAPO等主流强化学习算法 ，专家并行等切分越冗长 ，锁定规约累加顺序 、
框架层面同样需要对齐 ，推理用融合算子实现，训练用多个小算子拼接 ，
据了解 ，
快科技8月6日消息，对相同输入算出的对数概率也恐怕有细微差异 ，
算子层面，再配合闪速注意力（FA）算子优化 ，开启训推一致性后奖励曲线正常上升，归零即完全一致 。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 ，logdiff稳定为0 。训推不一致最根本的原因是底层计算累加不保序 ，精度存在细微差异 ，
验证方面， 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？