# 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。

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

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。

## 事实

- 事件日期：2026-10-07（“2026年10月7日，星期三”）
- 与BF16相比，TRIAGE的推理展开吞吐量最高提升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。

## 来源与参考

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

最后更新: 2026-10-07