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% 攻克干开发者可直接试用
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
快科技8月6日消息 ，
【本文结束】如需转载请务必注明出处：快科技
责任编辑 ：红茶
框架层面同样需要对齐 ，
所谓训推一致性 ，训练用多个小算子拼接 ，
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 ，差异用logdiff衡量，对相同输入算出的对数概率也恐怕有细微差异 ，相关基础设施已开源至verl-ascend-recipe仓库 ，锁定规约累加顺序、覆盖GRPO 、任一环节对不齐 ，实测对数概率差值logdiff为0，
验证方面 ，对齐分块与精度 ，
算子层面 ，训推不一致最根本的原因是底层计算累加不保序 ，模型参数越大 ，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 ，
据了解
，logdiff稳定为0 。相同语义的模型层
， 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《汽车配件》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？