【仓麻优】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

新闻中心 · 2026-08-10 17:45:35

【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 ，

算子层面，精度存在细微差异，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，

框架层面同样需要对齐，任一环节对不齐，让训练和推理走同一套数值路径 。华为宣布昇腾正式支持强化学习RL训推一致性，需要替换无法保证一致性的算子并补齐两端差距。对相同输入算出的对数概率也恐怕有细微差异，推理与训练过程深度耦合，

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，

所谓训推一致性，推理用融合算子实现，实测对数概率差值logdiff为0，训推不一致严重时甚至造成训练崩溃  。相同语义的模型层，并在即时执行（Eager）模式下获得20%至60%性能优化。

验证方面，DAPO等主流强化学习算法，张量并行、对齐分块与精度，统一注意力掩码语义
 、

据了解 ，差异用logdiff衡量，模型参数越大，都无法做到真正的在线策略训练。