据AI在线了解，盘古团队提出 Depth-Scaled Sandwich-Norm（DSSN）稳定架构和 TinyInit 小初始化的方法，在昇腾平台上实现了超过 18TB 数据的长期稳定训练。
在训练方法上，华为团队首次披露在昇腾 CloudMatrix 384 超节点上打通大稀疏比 MoE 强化学习（RL）后训练框架的关键技术，使 RL 后训练进入超节点集群时代。
在 5 月初发布的预训练系统加速技术基础上，在不到一个月的时间内，华为团队又完成了一轮迭代升级，包括：适配昇腾硬件的自适应流水掩盖策略，进一步优化算子执行序，进一步降低 Host-Bound 以及提升 EP 通信的掩盖；自适应管理内存优化策略的开发；数据重排实现 DP 间 Attention 负载均衡；以及昇腾亲和的算子优化，这些技术实现万卡集群预训练 MFU 由 30% 大幅提升至 41%。
AI在线附技术报告：点此前往 及项目文件预览：点此前往
相关阅读：
《英伟达含量为零：华为密集模型盘古 Ultra 性能比肩 DeepSeek-R1，纯昇腾集群训练》
