Skip to content
Hot eventLive

TRIAGE：NVFP4 强化学习方向感知失配稳定方法

1 reports1 sources3 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 3 hr ago

LatestOct 7
arXiv 论文提出 TRIAGE，在 Qwen3 模型上达全精度水平，rollout 吞吐较 BF16 最高提升 2.3x。

Timeline

Follow the coverage from different angles.

Oct 7, 2026
  1. arXiv · Machine Learning Theory
    TRIAGE：面向原生 NVFP4 强化学习的方向感知失配稳定方法

    论文提出 TRIAGE，一种方向感知稳定方法，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。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。

Heat trend

Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –

02.557.510Oct7Oct7Oct7Oct7

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.