原创 仅对齐三处舍入位置，BF16大模型强化学习不再崩溃 大语言模型强化学习训练的崩溃问题，根源可能藏在几行浮点运算里。2026年10月arXiv发布的论文指出，只需在RoPE、SwiGLU、残差RMSNorm三处计算节点对齐舍入位置，即可消除BF16训练下的策略崩溃，无需更换全局精度或修改学习算 大模型训练 强化学习 BF16精度 数值稳定性 4小时前 68
