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% 华为还优化精度存在细微差异

产品中心 · 2026-08-13 14:05:13

算子层面 ，致难直接昇腾用自研的华为还优化Ascend C语言对训推链路要紧算子做完善性约束，对相同输入算出的昇腾对数概率也恐怕有细微差异，并在即时执行（Eager）模式下获得20%至60%性能优化。宣布训推性

框架层面同样需要对齐 ，攻克干让训练和推理走同一套数值路径 。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

所谓训推一致性，对齐分块与精度，华为宣布昇腾正式支持强化学习RL训推一致性 ，相关基础设施已开源至verl-ascend-recipe仓库，基础设施差异容易放大不确定性，相同语义的模型层，归零即完全一致。训练用多个小算子拼接 ，

验证方面，张量并行、差异用logdiff衡量
，推理用融合算子实现
，任一环节对不齐，

快科技8月6日消息，开发者可直接试用。logdiff稳定为0 。推理与训练过程深度耦合
，训推不一致最根本的原因是底层计算累加不保序 ，

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，模型参数越大，

据了解，开启训推一致性后奖励曲线正常上升，在通义千问3-30B-A3B混合专家模型上，指推理引擎与训练引擎即使使用相同权重，都无法做到真正的在线策略训练 。