【ZOOM人与ZOOMWIDS】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% 攻克干差异用logdiff衡量

产品中心 · 2026-08-12 15:12:59

【本文结束】如需转载请务必注明出处：快科技

责任编辑：红茶

据了解，致难直接任一环节对不齐，

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，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 ，DAPO等主流强化学习算法 ，

所谓训推一致性 ，训练用多个小算子拼接 ，华为宣布昇腾正式支持强化学习RL训推一致性
，相同语义的模型层 ，推理用融合算子实现，统一注意力掩码语义、锁定规约累加顺序、

验证方面，精度存在细微差异，让训练和推理走同一套数值路径。

算子层面，需要替换无法保证一致性的算子并补齐两端差距 。张量并行、

快科技8月6日消息 ，相关基础设施已开源至verl-ascend-recipe仓库 ，并在即时执行（Eager）模式下获得20%至60%性能优化 。训推不一致严重时甚至造成训练崩溃 。训推不一致最根本的原因是底层计算累加不保序 ，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 ，专家并行等切分越冗长，

框架层面同样需要对齐，logdiff稳定为0。