【年轻的小峓子1字巴巴鱼汤饭】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% 实测对数概率差值logdiff为0

新闻中心 · 2026-08-12 01:21:22

验证方面 ，宣布训推性

【本文结束】如需转载请务必注明出处 ：快科技

责任编辑：红茶

算子层面，宣布训推性

为何要做到训推一致
？攻克干强化学习已成为大模型后训练的主流范式
，精度存在细微差异 ，致难直接锁定规约累加顺序、

据了解，专家并行等切分越冗长，任一环节对不齐，覆盖GRPO
、华为宣布昇腾正式支持强化学习RL训推一致性，训推不一致严重时甚至造成训练崩溃。开发者可直接试用 。归零即完全一致。对相同输入算出的对数概率也恐怕有细微差异，差异用logdiff衡量，让训练和推理走同一套数值路径。相关基础设施已开源至verl-ascend-recipe仓库，

快科技8月6日消息 ，相同语义的模型层，推理用融合算子实现，指推理引擎与训练引擎即使使用相同权重 ，推理与训练过程深度耦合
，基础设施差异容易放大不确定性 ，

所谓训推一致性 ，在通义千问3-30B-A3B混合专家模型上 ，

框架层面同样需要对齐 ，对齐分块与精度
，模型参数越大 ，DAPO等主流强化学习算法，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 
，需要替换无法保证一致性的算子并补齐两端差距 。