# TRIAGE stabiliserar 4-bitars RL-träning av Qwen-modeller

> Forskarna presenterar TRIAGE, en metod som tar hänsyn till uppdateringarnas riktning och möjliggör 4-bitars körning med resultat i nivå med full precision på matematiktester.

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

Zhen Li och hans team presenterade en ny teknik vid namn TRIAGE den 7 oktober 2026. Den fungerar direkt i NVFP4, ett 4-bitarsformat för vikter och aktiveringar, och balanserar uppdateringar av policygradienter under förstärkningsinlärning. Metoden hittar avvikelser på segmentnivå och korrigerar dem inom begränsade ramar, utan att ändra körningen i låg precision. Tester med Qwen3‑4B och Qwen3‑30B‑A3B visade stabil träning och kvalitet i nivå med full precision på fem riktmärken för matematiskt resonemang. Samtidigt var utrullningen upp till 2,3 gånger snabbare än med BF16.

## Fakta

- Händelsedatum: 2026-10-07 (”ons 7 okt 2026”)
- TRIAGE gav upp till 2,3 gånger högre genomströmning vid utrullning än BF16

## Varför det spelar roll

Metoden gör det möjligt för utvecklare att träna stora språkmodeller snabbare med 4-bitars hårdvara utan att förlora precision, vilket minskar beräkningskostnaderna.

## Källor och referenser

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

Senast uppdaterad: 2026-10-07