Ascend SuperPOD

SLAI T-Rex框架优化Ascend SuperPOD上的DeepSeek-V4模型

研究人员开发了SLAI T-Rex框架，用于在Ascend SuperPOD基础设施上优化万亿参数MoE模型的全参数后训练。该系统实现了34.22%的模型FLOPs利用率（MFU），比基线方法提高了2.93倍，同时保持了训练稳定性。该框架随后用于使用10K样本数据集创建专门的运筹学（OR）模型，所得的DeepSeek-V4-Flash模型在OR任务上优于GPT-5.4-Mini和基础DeepSeek-V4-Flash。