# روش TRIAGE آموزش RL چهار‌بیتی مدل‌های Qwen را پایدار می‌کند

> پژوهشگران TRIAGE را معرفی کرده‌اند؛ روشی آگاه از جهت تغییرات که با حفظ اجرای چهار‌بیتی، عملکردی هم‌سطح دقت کامل در بنچمارک‌های ریاضی ارائه می‌دهد.

Oossa · 2026-10-07 · https://oossa.com/fa/triage-method-stabilizes-4-bit-rl-training-for-qwen-models

Zhen Li و گروهش در 7 اکتبر 2026 روش تازه‌ای به نام TRIAGE منتشر کردند. این روش در قالب بومی NVFP4، قالبی چهار‌بیتی برای وزن‌ها و فعال‌سازی‌ها، عمل می‌کند تا به‌روزرسانی‌های گرادیان سیاست را در فرایند یادگیری تقویتی متعادل کند. TRIAGE ناهماهنگی‌ها را در سطح بخش‌ها تشخیص می‌دهد و اصلاحاتی محدود اعمال می‌کند، بی‌آنکه اجرای کم‌دقت را تغییر دهد. آزمایش‌ها روی Qwen3‑4B و Qwen3‑30B‑A3B آموزش پایدار و کیفیتی هم‌سطح دقت کامل را در پنج بنچمارک استدلال ریاضی نشان دادند؛ ضمن اینکه سرعت rollout تا 2.3 برابر بیشتر از BF16 بود.

## حقایق

- تاریخ رویداد: 2026-10-07 ("Wed Oct 07 2026")
- TRIAGE در مقایسه با BF16 تا 2.3× توان عملیاتی rollout بیشتری ارائه کرد

## چرا مهم است

این روش به توسعه‌دهندگان امکان می‌دهد مدل‌های زبانی بزرگ را با سخت‌افزار چهار‌بیتی و سرعت بیشتر، بدون افت دقت آموزش دهند و هزینه محاسبات را کاهش دهند.

## منابع و ارجاع‌ها

1. [TRIAGE: Direction-Aware Mismatch Stabilization of Native NVFP4 Reinforcement Learning](https://arxiv.org/abs/2610.07043) – arXiv cs.LG, 2026-10-07

آخرین به‌روزرسانی: 2026-10-07