**SLAI T-Rex：在昇腾SuperPOD上对DeepSeek-V4进行全参数后训练及运筹优化应用**

_SLAI T-Rex: Full-Parameter Post-training of the DeepSeek-V4 Family on Ascend SuperPOD_

> 该研究展示了在昇腾NPU SuperPOD上对万亿参数MoE模型DeepSeek-V4进行全参数后训练的端到端优化实践，通过分层优化框架将MFU提升至34.22%。基于此构建的SLAI T-Rex系统针对运筹学任务开发了CPT和SFT工作流，生成的专用模型在零样本Pass@1指标上达到71.81%，超越了GPT-5.4-Mini及基础DeepSeek-V4-Flash模型。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-07-23 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.20145)