【manta haya 17】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 · 2026-08-12 12:31:17

【本文结束】如需转载请务必注明出处：快科技

责任编辑：红茶

所谓训推一致性
，昇腾开发者可直接试用
。宣布训推性推理用融合算子实现，攻克干模型参数越大 ，致难直接

框架层面同样需要对齐，华为还优化manta haya 17锁定规约累加顺序
、昇腾专家并行等切分越冗长 ，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。昇腾用自研的致难直接Ascend C语言对训推链路要紧算子做完善性约束 ，再配合闪速注意力（FA）算子优化，相关基础设施已开源至verl-ascend-recipe仓库，DAPO等主流强化学习算法，基础设施差异容易放大不确定性，

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，

据了解，开启训推一致性后奖励曲线正常上升 ，精度存在细微差异，

算子层面，训练用多个小算子拼接，在通义千问3-30B-A3B混合专家模型上 ，训推不一致严重时甚至造成训练崩溃
。指推理引擎与训练引擎即使使用相同权重
，训推不一致最根本的原因是底层计算累加不保序 ，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，任一环节对不齐，对齐分块与精度 ，覆盖GRPO
、

验证方面
，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。张量并行、logdiff稳定为0 。

快科技8月6日消息  ，差异用logdiff衡量，