English(EN) QUADS: Stabilizing NVFP4 Reinforcement Learning for MoE via QUantization-error Alignment across Dual Sides

新的QUADS技术稳定MoE LLM的NVFP4强化学习

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-20 04:00

研究人员开发了一种名为QUADS的新技术，通过使用NVFP4低精度格式来稳定混合专家（MoE）大语言模型的强化学习（RL）。他们发现，激活误差而非权重误差是MoE模型FP4 RL不稳定的主要原因。QUADS通过在训练器端实现不对称量化感知训练，并在回滚端实现残差激活补偿来解决此问题，达到了BF16级别的准确率并提高了吞吐量。 AI

影响这项研究通过允许使用低精度格式而不牺牲准确性，有望实现更高效的大语言模型训练。

排序理由这是一篇研究论文，详细介绍了一种稳定MoE LLM中强化学习的新技术。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Zhengyang Zhuge, Hao Yu, Xin Wang, Zheng Li, Yizhong Cao, Dayiheng Liu, Jianwei Zhang · 2026-07-20 04:00

QUADS：通过双边量化误差对齐稳定MoE的NVFP4强化学习

arXiv:2607.15810v1 Announce Type: new Abstract: Rollout generation is a major bottleneck in Reinforcement Learning (RL) for Mixture-of-Experts (MoE) Large Language Models, motivating low-precision rollout acceleration such as FP8. As an emerging low-precision format, NVFP4 combin…

报道来源 [1]

QUADS：通过双边量化误差对齐稳定MoE的NVFP4强化学习

相关实体

相关话题