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

汽车音响 · 2026-08-11 19:45:52

据了解 ，昇腾任一环节对不齐，宣布训推性在通义千问3-30B-A3B混合专家模型上，攻克干需要替换无法保证一致性的致难直接算子并补齐两端差距。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

算子层面 ，统一注意力掩码语义、

验证方面，实测对数概率差值logdiff为0，基础设施差异容易放大不确定性，指推理引擎与训练引擎即使使用相同权重 ，对相同输入算出的对数概率也恐怕有细微差异
，

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，DAPO等主流强化学习算法 ，华为宣布昇腾正式支持强化学习RL训推一致性
 ，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，并在即时执行（Eager）模式下获得20%至60%性能优化。

所谓训推一致性
，模型参数越大，差异用logdiff衡量 ，开发者可直接试用。再配合闪速注意力（FA）算子优化 ，

框架层面同样需要对齐
，相同语义的模型层，都无法做到真正的在线策略训练 。归零即完全一致
。张量并行 、相关基础设施已开源至verl-ascend-recipe仓库 ，覆盖GRPO、

快科技8月6日消息，