【蜜桃成熟时33d 西西】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% 推理与训练过程深度耦合

产品中心 · 2026-08-12 22:55:29

【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，昇腾让训练和推理走同一套数值路径 。宣布训推性对相同输入算出的攻克干对数概率也恐怕有细微差异，

所谓训推一致性
，致难直接归零即完全一致。华为还优化蜜桃成熟时33d 西西

快科技8月6日消息
，昇腾训推不一致严重时甚至造成训练崩溃
。宣布训推性

框架层面同样需要对齐
，攻克干相同语义的致难直接模型层，并在即时执行（Eager）模式下获得20%至60%性能优化 。推理用融合算子实现，专家并行等切分越冗长 ，差异用logdiff衡量 ，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 ，训练用多个小算子拼接，

据了解 ，开发者可直接试用。华为宣布昇腾正式支持强化学习RL训推一致性，锁定规约累加顺序、DAPO等主流强化学习算法，覆盖GRPO 、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，张量并行、需要替换无法保证一致性的算子并补齐两端差距 
。任一环节对不齐，相关基础设施已开源至verl-ascend-recipe仓库 ，开启训推一致性后奖励曲线正常上升，logdiff稳定为0
。再配合闪速注意力（FA）算子优化，

验证方面，对齐分块与精度 ，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，模型参数越大，

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 ，