★ 3
miniTE 框架开源：解决 NVFP4 强化学习跨引擎执行偏差
论文指出训练与采样引擎数值格式不一致会导致策略评估失真，提出 miniTE，结合执行诊断、跨引擎数值对齐与原生 W4A4 GEMM。在 Qwen3-30B-A3B 长程 RL 上训练稳定、接近 BF16 表现，单台英伟达 B300 节点吞吐达 33540 tokens/s，为 BF16 的 1.3…
arXiv cs.LG13 天前
#NVFP4
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
TRIAGE：NVFP4 强化学习方向感知失配稳定化
论文刻画了低精度采样器与学习器执行差异与策略梯度方向的交互，提出方向感知稳定化方法 TRIAGE。在 Qwen3-4B 与 Qwen3-30B-A3B 上实现稳定优化并达到全精度水平，rollout 吞吐量最高提升 2.3 倍。
arXiv cs.LG26 天前
★ 2
LatentQuant：NVFP4 量化下保持策略潜空间契约
论文指出，世界动作模型复用预训练视频 VAE 时，量化不仅要保重建质量，还要保住冻结策略所依赖的潜空间表示。直接 NVFP4 量化会导致 LIBERO 成功率从 95.5% 崩到 10.5%，原因是激活量化改变了重建信号与解码器雅可比，引发潜空间漂移。作者提出两阶段 QAT 框架 LatentQu…
arXiv cs.AI27 天前