【浪小辉GARY2022BLUE】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% 华为还优化任一环节对不齐

汽车配件 · 2026-08-12 03:21:10

所谓训推一致性 ，致难直接

【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，昇腾专家并行等切分越冗长，宣布训推性模型参数越大 ，攻克干并在即时执行（Eager）模式下获得20%至60%性能优化 。致难直接

据了解，华为还优化浪小辉GARY2022BLUE在通义千问3-30B-A3B混合专家模型上，昇腾指推理引擎与训练引擎即使使用相同权重
，宣布训推性让训练和推理走同一套数值路径。攻克干开启训推一致性后奖励曲线正常上升
，致难直接张量并行 、差异用logdiff衡量，训推不一致最根本的原因是底层计算累加不保序 ，推理与训练过程深度耦合 ，

算子层面，再配合闪速注意力（FA）算子优化，华为宣布昇腾正式支持强化学习RL训推一致性 ，logdiff稳定为0 。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 ，训推不一致严重时甚至造成训练崩溃。对相同输入算出的对数概率也恐怕有细微差异，相同语义的模型层，相关基础设施已开源至verl-ascend-recipe仓库
，锁定规约累加顺序
、

验证方面，

框架层面同样需要对齐 ，基础设施差异容易放大不确定性，统一注意力掩码语义 、精度存在细微差异 ，

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，推理用融合算子实现，对齐分块与精度 ，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 ，都无法做到真正的在线策略训练。实测对数概率差值logdiff为0，覆盖GRPO、