Zhen Li团队于2026年10月7日发布了一种名为TRIAGE的新技术。它在原生NVFP4格式（4位权重与激活值格式）下运行，可在强化学习过程中平衡策略梯度更新。该方法会在片段级别识别偏差，并进行有界修正，同时保持低精度运算方式不变。在Qwen3‑4B和Qwen3‑30B‑A3B上的测试显示，训练过程稳定，在五项数学推理基准测试中达到全精度质量，推理展开速度最高可达BF16的2.3倍。
为什么重要
开发者可以借助4位硬件更快地训练大型语言模型，同时不损失准确度，从而节省计算成本。
TRIAGE方法让Qwen模型的4位强化学习训练更稳定
研究人员推出TRIAGE，通过感知更新方向的修正，在保持4位运算的同时，让数学基准测试表现达到全精度水平。
简讯作者： OossaOossa 发布日期: 1 分钟阅读
继续阅读
Oossa · 新闻简报
一周 AI，讲明白
每周一，用通俗的语言讲清值得知道的新闻。免费，无垃圾邮件。