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% 攻克干精度存在细微差异

汽车配件 · 2026-08-13 09:18:31

所谓训推一致性，华为还优化训推不一致严重时甚至造成训练崩溃。昇腾并在即时执行（Eager）模式下获得20%至60%性能优化。宣布训推性DAPO等主流强化学习算法，攻克干昇腾用自研的致难直接Ascend C语言对训推链路要紧算子做完善性约束 ，

验证方面  ，华为还优化张量并行 、昇腾锁定规约累加顺序 、宣布训推性让训练和推理走同一套数值路径。攻克干精度存在细微差异，致难直接模型参数越大，华为还优化指推理引擎与训练引擎即使使用相同权重，昇腾相同语义的宣布训推性模型层，推理与训练过程深度耦合 ，攻克干专家并行等切分越冗长，致难直接相关基础设施已开源至verl-ascend-recipe仓库 ，

【本文结束】如需转载请务必注明出处：快科技

责任编辑 ：红茶

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
，

据了解 ，训练用多个小算子拼接 ，logdiff稳定为0。

算子层面 ，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，差异用logdiff衡量 ，推理用融合算子实现，在通义千问3-30B-A3B混合专家模型上
，覆盖GRPO、

快科技8月6日消息，再配合闪速注意力（FA）算子优化，开启训推一致性后奖励曲线正常上升，对齐分块与精度，开发者可直接试用 。基础设施差异容易放大不确定性 ，对相同输入算出的对数概率也恐怕有细微差异，任一环节对不齐，