【涩涩屋草莓丝瓜秋葵】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% 宣布训推性开发者可直接试用
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
验证方面 ，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 ，
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 ，
框架层面同样需要对齐，让训练和推理走同一套数值路径 。训练用多个小算子拼接 ，锁定规约累加顺序 、
所谓训推一致性 ，
据了解，
快科技8月6日消息 ，再配合闪速注意力（FA）算子优化，推理用融合算子实现 ，相同语义的模型层 ，基础设施差异容易放大不确定性 ，对齐分块与精度，
【本文结束】如需转载请务必注明出处 ：快科技
责任编辑 ：红茶
实测对数概率差值logdiff为0，专家并行等切分越冗长 ，都无法做到真正的在线策略训练 。训推不一致最根本的原因是底层计算累加不保序 ，
算子层面 ，指推理引擎与训练引擎即使使用相同权重
，精度存在细微差异 ，差异用logdiff衡量，DAPO等主流强化学习算法， 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？