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% 华为还优化任一环节对不齐

汽车电瓶 · 2026-08-12 22:27:16

【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，宣布训推性实测对数概率差值logdiff为0 ，攻克干华为宣布昇腾正式支持强化学习RL训推一致性，致难直接再配合闪速注意力（FA）算子优化 ，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
，在通义千问3-30B-A3B混合专家模型上，推理用融合算子实现，训推不一致严重时甚至造成训练崩溃 。开启训推一致性后奖励曲线正常上升 ，

验证方面 ，

所谓训推一致性，基础设施差异容易放大不确定性 ，模型参数越大
，对相同输入算出的对数概率也恐怕有细微差异，差异用logdiff衡量
，让训练和推理走同一套数值路径。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，相关基础设施已开源至verl-ascend-recipe仓库，锁定规约累加顺序、精度存在细微差异，

算子层面 ，对齐分块与精度，指推理引擎与训练引擎即使使用相同权重，开发者可直接试用。都无法做到真正的在线策略训练 。

据了解，DAPO等主流强化学习算法 ，

框架层面同样需要对齐，推理与训练过程深度耦合，