RL 训练 rollout 与训练器 logprob 不一致？SkyRL IsoExec 实现跨布局位级对齐
vllm_project · x · 2026-08-21
RL 训练中，vLLM rollout 引擎与 Megatron 训练器即使跑同一策略，也可能因浮点非结合性在 token 的 logprob 上产生分歧。
SkyRL 的 IsoExec 通过「执行契约 + 统一模型」，在 rollout 与训练间对齐对舍入敏感的执行选择，使位级一致（bitwise parity）在不同 TP/EP/SP 并行布局下成立；对 Gated DeltaNet，chunkwise-parallel 循环算法让并行训练/prefill 与循环 decode 位级相同。
实测：Qwen3.5-35B-A3B + DAPO，8×H100，50 步，logprob 差异从 1.6e-2 降至 6.7e-7，全步开销 25.3%，且 vLLM 的调度器与 CUDA graph 仍可用。
「Infra」频道最新
- 黄仁勋做客 BG2 播客:谈 AI 收入能否撑起 Capex 与 2027 瓶颈 — elonmusk · 2026-10-16
- Mistral 本地推理基建机架曝光:DGX Spark、Mac Studio 等混搭 — gregmushen · 2026-10-16
- 英伟达携手瑞典 Wallenberg，Launch 共享 AI 超算 Sferical One — nvidia · 2026-10-16
- 基础设施下一站:能自我进化、自我验证的自适应系统 — _shreya_s · 2026-10-16
- 小米 MiMo RL 训练曝光:30 步花掉 347 万美元 — bycloud · 2026-10-16
- Cerebras 用异构 prefill 池喂晶圆级引擎，解码速度与 batch 解耦 — ai · 2026-10-16