Anyscale Engineering公式発表·2026年8月25日 18:00·約25分

Anyscale、SkyRL で FP8 学習・ロールアウトをサポートし一貫性を維持

#強化学習 #FP8 #LLM #Qwen3.5 #Anyscale #SkyRL

整理・翻訳:ainew.jp 編集システムAIによる自動処理作り方と限界

本文の状態

日本語全文あり

詳細モードで約25分の本文を読めます。

同じ出来事の情報源

この情報源を基点に整理

Anyscale Engineering

30秒でわかる

Anyscale は強化学習フレームワーク SkyRL に FP8 加速機能を追加し、トレーニングとロールアウト間でポリシーの一貫性を保ちながら、エンドツーエンドのステップ時間を最大 23% 短縮したことを発表した。

記事の3ポイント

FP8 対応範囲の拡大と性能維持
SkyRL はトレーニング中の線形層計算、ロールアウト時のモデル重みおよび KV キャッシュ、そしてトレーナーから vLLM への重み転送において FP8 をサポートするようになり、BF16 と同等の収束性を維持した。
ポリシー不整合の解消
トレーナが生成した FP8 ペイロードとブロックスケールを直接ロールアウトエンジンへ転送する同期経路を導入することで、再量子化による境界が生じるリスクを排除し、ポリシーの一貫性を保つことに成功した。
実証された効率向上
8 基の H100 または B200 を使用した Qwen3.5-9B および Qwen3.5-35B-A3B の実験において、エンドツーエンドのステップ実行時間がそれぞれ最大約 19% と 23% 短縮された。

なぜ重要か・誰に関係するか

この発表の重要性は、強化学習における高速化とメモリ効率化を両立しつつ、精度劣化やポリシーの不安定化という従来の課題を解決した点にある。開発者および企業の AI 導入担当者は、大規模モデルの学習コスト削減と推論速度向上を実現する具体的な手法として、この FP8 同期アプローチの評価を検討すべきである。