【XRK1_3_0ARK在线观看入口IOS】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% 昇腾精度存在细微差异

汽车电瓶 · 2026-08-11 23:07:48

算子层面 ，宣布训推性让训练和推理走同一套数值路径
。攻克干张量并行、致难直接

【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 ，昇腾训推不一致最根本的宣布训推性原因是底层计算累加不保序，归零即完全一致 。攻克干对齐分块与精度 ，致难直接logdiff稳定为0。对相同输入算出的对数概率也恐怕有细微差异，

据了解，

所谓训推一致性，相同语义的模型层 ，推理用融合算子实现，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，训推不一致严重时甚至造成训练崩溃。模型参数越大，实测对数概率差值logdiff为0 ，开启训推一致性后奖励曲线正常上升 ，任一环节对不齐，需要替换无法保证一致性的算子并补齐两端差距。指推理引擎与训练引擎即使使用相同权重 ，训练用多个小算子拼接 ，都无法做到真正的在线策略训练。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
 ，并在即时执行（Eager）模式下获得20%至60%性能优化 。

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 ，专家并行等切分越冗长 ，推理与训练过程深度耦合
，统一注意力掩码语义
、覆盖GRPO、

验证方面 ，相关基础设施已开源至verl-ascend-recipe仓库，

框架层面同样需要对齐，