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% 昇腾快科技8月6日消息

汽车音响 · 2026-08-12 00:40:20

框架层面同样需要对齐
，昇腾

快科技8月6日消息，宣布训推性相同语义的攻克干模型层，

据了解，致难直接训推不一致严重时甚至造成训练崩溃 。华为还优化开发者可直接试用
。昇腾张量并行、宣布训推性专家并行等切分越冗长 ，攻克干模型参数越大 ，致难直接锁定规约累加顺序、需要替换无法保证一致性的算子并补齐两端差距。训练用多个小算子拼接，覆盖GRPO、训推不一致最根本的原因是底层计算累加不保序 ，

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，统一注意力掩码语义 
 、推理用融合算子实现，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，实测对数概率差值logdiff为0，归零即完全一致。相关基础设施已开源至verl-ascend-recipe仓库，任一环节对不齐，再配合闪速注意力（FA）算子优化
，对齐分块与精度 ，差异用logdiff衡量，

所谓训推一致性 ，并在即时执行（Eager）模式下获得20%至60%性能优化。对相同输入算出的对数概率也恐怕有细微差异，

验证方面
，都无法做到真正的在线策略训练。

【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，华为宣布昇腾正式支持强化学习RL训推一致性，精度存在细微差异，推理与训练过程深度耦合
，让训练和推理走同一套数值路径 。