TRIAGE：NVFP4 强化学习方向感知失配稳定方法

2026年10月7日，arXiv Machine Learning Theory 发布一手论文，提出 TRIAGE，一种面向原生 NVFP4 强化学习的方向感知稳定方法。该方法用分段诊断选择性再平衡策略梯度更新，并对残余严重失配施加有界修复，同时保留采样器与学习器的原生 NVFP4 W4A4 前向执行。论文称，在 Qwen3-4B 与 Qwen3-30B-A3B 上，TRIAGE 在五个数学推理基准达到全精度水平性能；原生 NVFP4 加 TRIAGE 的 rollout 吞吐较 BF16 最高提升 2.3x。目前仅见该报道，无更早或相互矛盾的信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。