华为昇腾宣布已支持 RL 训推一致性，实测获得最高 60% 性能收益

强化学习已成为大模型训练主流范式，推动模型技术向行业核心场景工程化落地。其中，训推一致至关重要，因推理与训练过程耦合，基础设施差异易放大不确定性。