尊龙凯时官网,尊龙凯时,AG尊龙凯时,尊龙娱乐,尊龙体育,尊龙凯时人生就是搏,尊龙凯时体育,尊龙凯时平台,ag尊龙,尊龙平台,尊龙,尊龙官网,尊龙登录入口,尊龙官方网站,尊龙app下载,尊龙凯时APP

　　【新智元导读】RL后训练已成为大模型性能突破的「杀手锏」，而算力浪费和集群效率低成为一大难题。这次，华为团队祭出两大黑科技直接破局。不仅在CloudMatrix 384超节点实现MoE大模型训推共卡，资源利用率翻倍，还打破了同步算法限制，让训练速度再提升50%。

　　在大模型竞赛白热化的当下，「强化学习后训练」已成为突破LLM性能天花板的核心路径。

　　爆火出圈的OpenAI o1、DeepSeek-R1等模型，背后都是依靠RL后训练点石成金。

　　相较于预训练阶段的「广撒网」式知识获取，RL 后训练通过驱动模型与外部环境进行动态交互，直接塑造了LLM在复杂任务中的推理效能。

　　当前，RL后训练阶段已经吃掉了训练全流程20%的算力，未来会飙升到50%，直接影响模型的性能和成本。

　　对此，华为团队拿出「RL Fusion训推共卡」和「StaleSync准异步并行」两大黑科技，把训练效率和资源利用率拉满。

　　· RL Fusion： 让一张卡同时兼顾训练和推理两件事，资源利用率和吞吐翻倍。

　　· StaleSync：打破了同步限制，让集群扩展效率超90%，训练吞吐再提50%。

　　CloudMatrix超节点，就像大模型的「超级加速器」，让百亿、甚至千亿级模型训练更快更省。

　　不论是语言模型的对话优化，还是多模态模型的复杂任务适配，RL后训练都在提升模型精度、泛化性、用户体验方面，发挥着不可替代的作用。

　　尤其是在现有主流On-Policy算法下，训练与推理的严格交替导致了资源利用率低下。

　　总的来说，RL后训练作为大模型训练最后冲刺阶段，面临着两大不容忽视的挑战。

　　在大模型后训练过程中，Actor模型的训练与推理（生成）过程构成主要负载。

　　在传统「训推分离」架构下，主流的On-Policy策略要求训练和推理任务交替执行，互相等待，导致大量计算资源处于闲置状态。

　　这种「轮流休息」的模式，在小规模集群场景下已然造成显著浪费，若在千卡/万卡集群中更是放大为「算力黑洞」，推高了LLM后训练成本。

　　另一方面，随着MoE模型普及，专家并行（EP）、张量并行（TP）、数据并行（DP）等多模型异构并行策略组合，使得任务调度复杂度呈指数级增长。

　　而现有框架在大规模集群中，难以让其实现高效协同，进而导致了扩展效率显著下降。

　　如何通过软硬协同打破资源瓶颈，释放潜在的红利，成为华为团队聚焦突破的关键方向。

　　针对RL后训练资源利用率低的问题，华为团队深入剖析异构模型和多任务场景的负载特点，提出了创新性的RL Fusion训推共卡技术。

　　RL Fusion支持训练推理共卡、全共卡等多种灵活部署模式（如图1），可实现推理阶段资源调度的精细化可控管理。

　　它还支持张量并行（TP）、数据并行（DP）、流水线并行（PP）等多维并行策略的动态无缝切换，实现计算资源「一箭双雕」，即在同一计算资源上执行Actor模型生成和训练2个任务。

　　值得一提的是，在小规模场景下，RL Fusion还能把Reference及Reward模型的资源「榨干」，进一步实现「一箭四雕」，效率直接拉满。

　　此外，针对大规模高稀疏比MoE模型，华为通过对训推态内存进行极致分析，首次提出了训推内存0冗余切换，实现训推EP动态切换，如图2所示。

　　在训练态及推理态切换过程中，通过「分桶」管理参数，可消除由于EP变化造成的冗余内存。

　　同时，推理时把训练的优化器及梯度，完全卸载到主机侧，尽可能将NPU内存留给推理态，保证长序列下推理阶段吞吐（如图3所示）。

　　不仅如此，通过对训推共卡中权重通信、内存加卸载进行系统性优化后，训推切换过程优化到秒级，快如闪电。

　　由此，RL Fusion能让强化学习后训练集群利用率倍增，成本省一大截。

　　针对大规模集群扩展性低的问题，华为团队摒弃全同步迭代方式，设计了准异步机制StaleSync（如图4所示）。

　　StaleSync机制能容忍梯度「陈旧性」，让不同RL阶段的任务在「陈旧度阈值」内并行执行。

　　基于这一特点，新的后训练系统结合了共置和分离架构的优势，平衡了各个RL计算任务的资源需求，从而提高了整体硬件资源的利用率。

　　此外，在Actor Rollout过程中，长尾样本的存在导致了效率的降低。

　　当生成结束的样本达到一定阈值时，数据立刻流向下一阶段的计算任务，允许未完成的推理样本的训练存在一定滞后性，从而提高了整体后训练吞吐。

　　在保证模型精度的前提下，StaleSync方案使系统整体训练吞吐量提升了50%。

　　为了满足StaleSync的数据调度与管理要求，研究团队专门设计了分布式数据队列DistQueue。

　　为了提高通信效率，DistQueue采取了分层数据传输与零冗余通信两项技术，缓解了数据系统压力。

　　以Pangu 718B-MoE训练并行策略为例（TP8，EP4，PP16），引入分层数据传输可将DistQueue的负载降低为1/128，从而支持后训练规模的进一步扩展。

　　在后训练中，传统的样本Padding补齐方案存在大量冗余通信，降低了通信效率。

　　在盘古长序列训练集实测，研究团队发现上述优化可降低80%以上的通信量，有效支撑大规模集群训练的扩展效率。

　　RL Fusion与StaleSync的协同优化，形成了「资源复用+任务并行」的双重保障体系，显著提升了效率。

　　RL Fusion训推共卡，能够消除RL后训练中模型级空泡，提高资源利用率，单个超节点吞吐提升了78.5%。

　　再结合StaleSync准异步技术，可以实现35k token/s吞吐效率，整体可提升1.5倍性能。

　　在AI风起云涌的当下，RL后训练正成为大模型突围的关键，而效率是决胜的王牌。

　　昇腾超节点以RL Fusion和StaleSync两大杀招，攻克算力浪费和集群扩展的瓶颈，带来了高效、高扩展、高通用性的集群调度与融合方案。

　　一张卡干俩活、流水线永不停，单节点速度狂飙2.5倍，集群扩展效率突破90%。

　　它如同一台「加速引擎」，正为百亿、千亿级大模型的后训练注入强劲动力，点燃下一代AI效率革命的火花。

　　05月29日，国家邮政局：从严从紧、从细从实抓好枪爆物品禁寄管理，美高梅游戏大全，新濠天地在线bet手机版注册，欢乐炸金花怎么没了，

　　九游会app下载版官网正版闲来斗地主appim电竞手机版正规188体育官方开户188BETApp足球外围平台app下载

　　05月29日，两会受权发布丨十四届全国人大二次会议主席团举行第四次会议，天博下载app，新匍京娱乐场，贝博游戏，雷速体育ios扫码下载

　　05月29日，学习越深入，越能尝到甜头（人民论坛），九卅ju11，全民诈金花现金版，开博体育官方下载安装，太阳app免费下载官方网站

　　05月29日，韩国国会通过决议：解除总统尹锡悦宣布的“令”，澳门线国际真人版，千亿竞彩官网，澳门国际赌盘注册

　　05月29日，习语品读｜“种下的既是绿色树苗，也是祖国的美好未来”，下载王者体育app，伟德体育可靠吗，投注计划软件，jrkan纬来体育官网

　　05月29日明中都宫殿院落与水系遗存考古获重要进展新利体育官网app下载真人德州手机客户端爱游戏体育怎么注册百老汇博彩app

　　05月29日企业出题高校答 为新能源产业提供人才“源动力”真人游戏平台哪里能赌足球金沙有哪些网址云顶娱乐手机

　　05月29日放弃当“空姐” 追梦做“茶艺师”9hg澳门皇冠澳博在线开户凯发娱乐手机登入马经手机论坛

　　哪吒L价格，盘点当代二次元网友N大特征男子嫌网卡砸坏网吧显示屏逃离，还在电话里叫嚣“有本事来抓我”，民警：安排！平博中国官网e世博开户网址皇冠现金官网网站哪个平台又二八杠的

　　鸣潮椿，新疆地震男子裹被子从5楼箭步逃生央行：即日起启用公开市场买断式逆回购操作工具贝搏体育官网入口斗地主棋牌游戏赚钱澳博体育入口登录新甫京娱乐域

　　WBG春季赛首败，让父母也感受一下假期早起的压力重庆一教师在餐馆酒后咬伤学生耳朵 警方：行拘10日单机捕鱼达人之破解版下载乐玩游戏大厅188bet金宝搏网址是多少大富豪官网平台游戏

　　以居民要求政府和哈马斯停火，澳网公开赛四位中国选手晋级次轮航拍重庆乡村农田好似大地调色盘火狐体育下载官网大嘴棋牌游戏大厅官网奥门金沙app2297最新游戏网址

　　波音安全问题吹哨人突然死亡，和平统一可能性已丧失？国台办回应谨防人工智能“风控”成风险米乐m6网页版皇冠app下载装日博体育线手机版注册

　　张庭 我都没去过这个楼盘，长沙天空出现巨大日晕中国法院今年一季度判处未成年人罪犯1.2万人球球联盟玉和国际官网大玩家现金平台永利国际官方网站