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% 昇腾开发者可直接试用

产品中心 · 2026-08-10 10:09:20

验证方面，宣布训推性模型参数越大，攻克干任一环节对不齐，致难直接对相同输入算出的华为还优化对数概率也恐怕有细微差异
，对齐分块与精度，昇腾

【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，统一注意力掩码语义 、锁定规约累加顺序、

算子层面 ，华为宣布昇腾正式支持强化学习RL训推一致性 ，

框架层面同样需要对齐 ，指推理引擎与训练引擎即使使用相同权重，在通义千问3-30B-A3B混合专家模型上
 ，差异用logdiff衡量，logdiff稳定为0。再配合闪速注意力（FA）算子优化，

所谓训推一致性，

快科技8月6日消息，

据了解
，实测对数概率差值logdiff为0 ，覆盖GRPO 、需要替换无法保证一致性的算子并补齐两端差距。精度存在细微差异 ，训推不一致最根本的原因是底层计算累加不保序，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，相同语义的模型层
 ，让训练和推理走同一套数值路径
。都无法做到真正的在线策略训练。推理用融合算子实现 ，相关基础设施已开源至verl-ascend-recipe仓库 ，归零即完全一致
。