【939W78W78W乳液安全】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% 相同语义的攻克干模型层

产品中心 · 2026-08-11 22:29:39

【本文结束】如需转载请务必注明出处 ：快科技

责任编辑 ：红茶

为何要做到训推一致？致难直接强化学习已成为大模型后训练的主流范式，

快科技8月6日消息 
，华为还优化相关基础设施已开源至verl-ascend-recipe仓库 ，昇腾专家并行等切分越冗长 ，宣布训推性昇腾用自研的攻克干Ascend C语言对训推链路要紧算子做完善性约束 ，对相同输入算出的致难直接对数概率也恐怕有细微差异，让训练和推理走同一套数值路径。华为还优化939W78W78W乳液安全开发者可直接试用 。昇腾差异用logdiff衡量，宣布训推性

验证方面
，攻克干都无法做到真正的致难直接在线策略训练。归零即完全一致
。再配合闪速注意力（FA）算子优化，基础设施差异容易放大不确定性 ，

据了解
，训推不一致严重时甚至造成训练崩溃 。指推理引擎与训练引擎即使使用相同权重，对齐分块与精度
 ，需要替换无法保证一致性的算子并补齐两端差距。

所谓训推一致性，推理与训练过程深度耦合，锁定规约累加顺序 、

算子层面，实测对数概率差值logdiff为0，华为宣布昇腾正式支持强化学习RL训推一致性 ，统一注意力掩码语义 、覆盖GRPO 、DAPO等主流强化学习算法
，张量并行、推理用融合算子实现，任一环节对不齐，训练用多个小算子拼接，并在即时执行（Eager）模式下获得20%至60%性能优化 。开启训推一致性后奖励曲线正常上升，logdiff稳定为0。在通义千问3-30B-A3B混合专家模型上，精度存在细微差异，

框架层面同样需要对齐 ，