**miniTE：弥合原生 NVFP4 强化学习的执行鸿沟**

_miniTE: Diagnosing and Bridging the Execution Gap in Native NVFP4 Reinforcement Learning_

> 针对原生 NVFP4 在强化学习中训练与采样引擎间的不一致问题，研究提出了轻量级框架 miniTE。该框架通过执行诊断与跨引擎数值对齐，在不修改强化学习目标的前提下，实现了原生 W4A4 计算的高效一致性。实验表明，miniTE 在 Qwen3-30B-A3B 模型上实现了稳定的长程训练，性能接近 BF16，并在单卡 B300 上显著提升了吞吐量。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.23928)