MindSpeed RL是基于昇腾生态的强化学习加速框架，旨在为华为 昇腾芯片 生态合作伙伴提供端到端的RL训推解决方案，支持超大昇腾集群训推共卡/分离部署、多模型异步流水调度、训推异构切分通信等核心加速能力

安装指南

本版本为预览非正式发布版本， 依赖配套如下表，安装步骤参考安装指南

依赖软件	版本
昇腾NPU驱动	在研版本
昇腾NPU固件
Toolkit（开发套件）	在研版本
Kernel（算子包）
NNAL（Ascend Transformer Boost加速库）
Python	PT配套版本
PyTorch	2.5
torch_npu插件	在研版本
apex

快速入门

如何快速在昇腾训练设备上运行 MindSpeed-RL 可详见 快速入门

使用指南

训练算法

训练算法	训练指南	支持模型	发布状态
GRPO	Doc	Qwen2.5-7B Qwen2.5-32B	Released
DAPO	Doc	Qwen2.5-32B Qwen3-30B-A3B	Preview

注："Preview"发布状态表示预览非正式发布版本，"Released"发布状态表示正式发布版本

注：使用Ray拉起任务的算法，如GRPO，环境变量需要在runtime_env.yaml处配置

核心特性

核心特性	特性指南	适用算法	发布状态
训推共卡	Doc	GRPO DAPO	Released
数据调度	Doc	GRPO DAPO	Preview
权重重切分	Doc	GRPO DAPO	Preview
填充移除	Doc	GRPO DAPO	Preview
长序列并行	Doc	GRPO DAPO	Preview

注："Preview"发布状态表示预览非正式发布版本，"Released"发布状态表示正式发布版本

效率工具

工具特性	特性指南	适用算法	发布状态
训练监控	Doc	GRPO DAPO	Preview
性能调优	Doc	GRPO DAPO	Preview
精度分析	Doc	GRPO DAPO	Preview
确定性计算	Doc	GRPO DAPO	Preview

注："Preview"发布状态表示预览非正式发布版本，"Released"发布状态表示正式发布版本

版本维护策略

MindSpeed RL版本有以下五个维护阶段：

状态	时间	说明
计划	1—3 个月	计划特性
开发	3 个月	开发特性
维护	6-12 个月	合入所有已解决的问题并发布版本，针对不同的MindSpeed RL版本采取不同的维护策略，常规版本和长期支持版本维护周期分别为6个月和12个月
无维护	0—3 个月	合入所有已解决的问题，无专职维护人员，无版本发布
生命周期终止（EOL）	N/A	分支不再接受任何修改

MindSpeed RL已发布版本维护策略：

MindSpeed RL版本	对应标签	维护策略	当前状态	发布时间	后续状态	EOL日期
2.1.0	\	正式版本	商用	\	\	2025/12/30
2.0.0	\	预览版本	预览	\	\	2025/9/30

安全声明

详细安全声明

致谢

MindSpeed RL由华为公司的下列部门以及昇腾生态合作伙伴联合贡献 ：

华为公司：

• 计算产品线
• 2012实验室
• 公共开发部
• 全球技术服务部
• 华为云计算

感谢来自社区的每一个PR，共同打造业界领先的RL训推系统

免责声明

致MindSpeed RL使用者

1. MindSpeed RL提供的模型仅供您用于非商业目的。
2. 对于各模型，MindSpeed RL平台仅提示性地向您建议可用于训练的数据集，华为不提供任何数据集，如您使用这些数据集进行训练，请您特别注意应遵守对应数据集的License，如您因使用数据集而产生侵权纠纷，华为不承担任何责任。
3. 如您在使用MindSpeed RL模型过程中，发现任何问题（包括但不限于功能问题、合规问题），请在Gitee提交issue，我们将及时审视并解决。

致数据集所有者

如果您不希望您的数据集在MindSpeed RL中的模型被提及，或希望更新MindSpeed RL中的模型关于您的数据集的描述，请在Gitee提交issue，我们将根据您的issue要求删除或更新您的数据集描述。衷心感谢您对MindSpeed RL的理解和贡献。