Miles logra aprendizaje por refuerzo de extremo a extremo con MXFP8 y NVFP4 por token en la arquitectura Blackwell
Título original:Blog Towards Blackwell-Native 8-bit and 4-bit RL: End-to-End MXFP8 and NVFP4 RL in Miles TL;DR: We implemented two Blackwell-native RL recipes in Miles: end-to-end MXFP8 and per-token NVFP4 for MoE experts. Both are supported by fine-grained precision control across checkpoint conversion,... Ziang Li, humans& and Miles Team
Resumen de IA
El equipo de Miles implementó dos esquemas nativos de aprendizaje por refuerzo de baja precisión en la arquitectura Blackwell: MXFP8 de extremo a extremo y NVFP4 por token para los pesos de expertos MoE. En experimentos de ablación con Qwen3-30B-A3B en 8x B200, las curvas de recompensa bruta de BF16 y las cinco configuraciones de baja precisión coincidieron en gran medida, y MXFP8 y NVFP4 redujeron el tiempo de inferencia.
Puntos clave
- El equipo de Miles implementó dos esquemas nativos de aprendizaje por refuerzo de baja precisión…
- En experimentos de ablación con Qwen3-30B-A3B en 8x B200,las curvas de recompensa bruta de BF16 y…
- y MXFP8 y NVFP4 redujeron el tiempo de inferencia.
Resumen rápido
- Publicado
- Actualizado
- Fuente
- LMSYS Blog
- Categoría
- Artículos e investigación
- Puntuación IA
- 69
虽然只针对Blackwell,但这份报告把MXFP8和NVFP4在RL里的实现细节讲清楚了,从量化合约到每token缩放都给了可复现配置,做大规模RL训练的能直接上手。
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: Miles logra aprendizaje por refuerzo de extremo a extremo con MXFP8 y NVFP4 por token en la arquitectura Blackwell. 29. julio 2026. https://new.nat6.net/es/news/cms6drkj8001crohzuxf7kfy7/