强化学习已成为大模型训练主流范式，推动模型技术向行业核心场景工程化落地。其中，训推一致至关重要，因推理与训练过程耦合，基础设施差异易放大不确定性。

　　华为计算官方 8 月 5 日宣布，昇腾基于 Ascend C 编程语言提供完整训推一致算子集，在 Qwen3-30B MoE 模型上的测试实现 Logdiff 为 0，并通过昇腾亲和的 FA 算子优化，在 Eager 模式下获得 20%-60% 性能收益，为开发者提供高效可靠的强化学习训练方案。

　　RL 后训练训推不一致最根本的原因，是底层计算时累加不保序。若要从上到下保证训练引擎与推理引擎每一次累加顺序一致，需要框架侧与算子侧同时发力。模型参数越大，问题会进一步放大：张量并行、专家并行等切分策略，以及集合通信路径，任一环节对不齐，都无法做到最终的 true-on-policy。算子还需要覆盖多种调用场景，在关键计算步骤上施加约束，同时把性能损失控制在可用范围内 —— 这是一项系统性工程挑战。

　　训推不一致，指的是Rollout引擎与训练引擎之间的数值不一致性。即使两者使用完全相同的模型权重，对相同 Token 序列计算得到的对数概率也可能存在细微差异；该差异通常用 logdiff 衡量。

　　昇腾基于 Ascend C 编程语言对训推链路中的关键算子做了系统性约束与对齐，核心思路是：让训练与推理在走同一套数值路径，主要涉及如下 4 个修改：

　　对齐训练掩码 Softmax 与推理逐步注意力在有效位置上的计算范围，消除因可见 Token 集合不同带来的数值差。

　　约束训练 FA、推理 PFA / PagedAttention 在规约维度上的切分与归约顺序，避免导致的累加不保序。

　　统一分块大小与归约节奏，避免 decoder 侧多块合并 Softmax 与训练侧分块 Softmax 不一致。

　　在 Softmax 累加等敏感步骤上统一精度转换策略，减少混合精度实现差异引入的尾数误差。

　　在此基础上，再配合 FA 下发与调度优化，使训推一致不再以显著性能回退为代价，从而在实测中同时拿到 logdiff=0 与端到端加速。

　　华为宣布相关基础设施已开源，还将上线“训推一致问题识别 Skill”，支持排查残余 logdiff、定位是算子路径问题还是框架实现差异。

　　特别

　　某大厂员工自爆：经过了六七轮面试，才拿到的工作机会，以为一定是个非常重要的岗位，没想到进去后发现，只要有手有脚就能干

　　56岁孟庭苇回应状态好：“因为没有另一半，就不会有折磨。我单身了20年，所以我觉得状态越来越好”

　　伊朗总统质问美国：为什么[*][*]我们的领袖?为什么[*]害我们的指挥官和科学家？我无论怎么想都找不到理由!

　　张雪峰前妻李丽婧发文：雪峰留的钱已经存入信托，为了女儿的生活，接下来会研发一款好用的笔，会很快和大家见面