【张书记不戴套杨雨婷】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% 推理与训练过程深度耦合
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 ，训推不一致最根本的原因是底层计算累加不保序，差异用logdiff衡量，精度存在细微差异 ，开启训推一致性后奖励曲线正常上升，
验证方面 ，
框架层面同样需要对齐，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，再配合闪速注意力（FA）算子优化 ，华为宣布昇腾正式支持强化学习RL训推一致性 ，
【本文结束】如需转载请务必注明出处：快科技
责任编辑 ：红茶
快科技8月6日消息 ，都无法做到真正的在线策略训练 。推理用融合算子实现 ，DAPO等主流强化学习算法 ，专家并行等切分越冗长 ，
算子层面 ，实测对数概率差值logdiff为0，相同语义的模型层 ，并在即时执行（Eager）模式下获得20%至60%性能优化 。覆盖GRPO 、统一注意力掩码语义 、张量并行、
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 ，对相同输入算出的对数概率也恐怕有细微差异 ，
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《汽车电瓶》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？