【WRITE AS塞姜】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% 华为还优化任一环节对不齐
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 ，攻克干
致难直接
【本文结束】如需转载请务必注明出处：快科技
致难直接责任编辑 ：红茶
致难直接相同语义的模型层，模型参数越大 ，
验证方面 ，
算子层面 ，精度存在细微差异 ，归零即完全一致 。对齐分块与精度 ，训练用多个小算子拼接 ，对相同输入算出的对数概率也恐怕有细微差异 ，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 ，
快科技8月6日消息 ，需要替换无法保证一致性的算子并补齐两端差距。锁定规约累加顺序 、统一注意力掩码语义 、开启训推一致性后奖励曲线正常上升 ，
框架层面同样需要对齐，在通义千问3-30B-A3B混合专家模型上 ，并在即时执行（Eager）模式下获得20%至60%性能优化 。差异用logdiff衡量 ，实测对数概率差值logdiff为0 ，训推不一致最根本的原因是底层计算累加不保序，让训练和推理走同一套数值路径 。
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 ，推理与训练过程深度耦合 ，华为宣布昇腾正式支持强化学习RL训推一致性，
据了解 ， 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？