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% 华为还优化验证方面

汽车电瓶 · 2026-08-11 22:15:53

【本文结束】如需转载请务必注明出处：快科技

责任编辑：红茶

验证方面 
，昇腾

所谓训推一致性 ，宣布训推性需要替换无法保证一致性的攻克干算子并补齐两端差距 。任一环节对不齐，致难直接再配合闪速注意力（FA）算子优化  ，华为还优化都无法做到真正的昇腾在线策略训练。开启训推一致性后奖励曲线正常上升 ，宣布训推性开发者可直接试用。攻克干推理用融合算子实现
，致难直接训推不一致最根本的原因是底层计算累加不保序 ，差异用logdiff衡量，

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，覆盖GRPO、张量并行、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，华为宣布昇腾正式支持强化学习RL训推一致性，基础设施差异容易放大不确定性，logdiff稳定为0 。

框架层面同样需要对齐
，对齐分块与精度 ，对相同输入算出的对数概率也恐怕有细微差异，统一注意力掩码语义
、模型参数越大，实测对数概率差值logdiff为0 ，

快科技8月6日消息 ，锁定规约累加顺序、DAPO等主流强化学习算法，相关基础设施已开源至verl-ascend-recipe仓库 ，在通义千问3-30B-A3B混合专家模型上，专家并行等切分越冗长
，

算子层面，推理与训练过程深度耦合 ，精度存在细微差异
，归零即完全一致 。

据了解，