Knowledge File / AI小生意项目库
Miles 在 Blackwell 架构上实现端到端 MXFP8 与逐 token NVFP4 强化学习方案
Miles团队在Blackwell架构上实现了端到端MXFP8和逐token NVFP4两种低精度强化学习方案。在8x B200上对Qwen3-30B-A3B的消融实验中，低精度配置与BF16的奖励曲线高度重合，且MXFP8和NVFP4减少了推理时间。
SOURCE / AI小生意项目库
MIN / 4
ACCESS / 会员
POST / 2026-07-30 01:50:31
原贴
查看原文原文
Miles 团队在 Blackwell 架构上实现了两种原生低精度强化学习方案：端到端 MXFP8 和 MoE 专家权重的逐 token NVFP4。在 8x B200 上对 Qwen3-30B-A3B 的消融实验中，BF16 与所有五种低精度配置的原始奖励曲线高度重合，且 MXFP8 和 NVFP4 减少了推理时间。 AIHOT 分类：paper
中文翻译
Miles团队在Blackwell架构上实现了两种原生低精度强化学习方案：端到端MXFP8和MoE专家权重的逐token NVFP4。在8x B200上对Qwen3-30B-A3B的消融实验中，BF16与所有五种低精度配置的原始奖励曲线高度重合，且MXFP8和NVFP4减少了推理时间。
核心信息
Miles团队在Blackwell架构上实现了端到端MXFP8和逐token NVFP4两种低精度强化学习方案。在8x B200上对Qwen3-30B-A3B的消融实验中，低精度配置与BF16的奖励曲线高度重合，且MXFP8和NVFP4减少了推理时间。
- Miles团队在Blackwell架构上实现了端到端MXFP8和逐token NVFP4两种低精度强化学习方案。在8x B200上对Qwen3-30B-A3B的消融实验中，低精度配置与BF16的奖励曲线高度重合，且MXFP8和NVFP4减少了推理时间。
- 原贴提到：Miles 团队在 Blackwell 架构上实现了两种原生低精度强化学习方案：端到端 MXFP8 和 MoE 专家权重的逐 token NVF
- 来源：lmsys.org
试看内容
成为会员查看完整内容
你已经看到了这篇内容的前置整理，剩余深度部分仅对会员开放。
详细解读
信息差价值
参考来源
成为会员查看完整内容