热点事件持续更新
阿里千问等提出TRACE实现FP4强化学习加速
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月，阿里千问联合俄亥俄州立大学提出TRACE方案，旨在解决MoE模型在FP4强化学习中面临的策略偏差与训练崩溃难题。该方法通过使用Rollout侧的真实FP4量化结果来指导训练侧舍入。在Qwen3.5-35B-A3B等模型的测试中，TRACE在联合FP4权重/激活（W/A）与FP4 KV Cache的条件下，成功将模型性能恢复至接近BF16水平，并在128K长输出场景下实现了最高5.4倍的解码吞吐提升。
AI 根据报道生成 · 2 小时前更新
最新进展10月24日 20:58
阿里千问等提出TRACE，通过真实量化指导训练，Rollout解码吞吐最高提升5.4倍。报道时间线
沿着报道，了解事件的不同侧面。
10月24日
- AITNT · AI头条阿里千问提出 TRACE：实现稳定 FP4 强化学习，Rollout 最高加速 5.4 倍
阿里千问联合俄亥俄州立大学提出 TRACE，通过用 Rollout 侧真实 FP4 量化结果指导训练侧舍入，解决了 MoE 模型在 FP4 强化学习中的策略偏差与训练崩溃问题。在 Qwen3.5-35B-A3B 等模型测试中，TRACE 在联合 FP4 W/A 与 FP4 KV Cache 下将性能恢复至接近 BF16 水平，并在 128K 输出时实现最高 5.4 倍解码吞吐提升。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。