---
format: "aidr-story-markdown/v1"
id: "27ef7f6786c93b5172b849a0c64c4e8eaf11d4bd9d5c66ad93e5aead8c80ce24"
canonical_url: "https://aidr.today/27ef7f67?lang=vi"
title: "Khắc phục lỗi mismatch giữa train và inference bằng Bitwise-Zero để chạy RL on-policy ổn định trên TPU"
lang: "vi"
requested_lang: "vi"
available_langs: ["en","vi"]
translation_fallback: null
fallback_fields: []
published_at: "2026-11-16T16:05:39.000Z"
category: "Research"
topics: ["google","llm","rl","tpu","inference"]
source_urls: ["https://developers.googleblog.com/unlocking-stable-on-policy-rl-on-tpu-with-bitwise-zero-traininference-mismatch/"]
summary: "Cách nhóm tác giả loại bỏ hiện tượng trôi logprob giữa quá trình train và inference của số thực dấu phẩy động cho LLM reinforcement learning on-policy trên 64 chip Cloud TPU v5p, bằng cách dùng công thức bốn phần có khả năng tổng quát hóa từ JAX và Pallas trong Tunix."
---

# Khắc phục lỗi mismatch giữa train và inference bằng Bitwise\-Zero để chạy RL on\-policy ổn định trên TPU

> [Open the canonical story](<https://aidr.today/27ef7f67?lang=vi>)

**Published:** 2026-11-16T16:05:39.000Z
**Category:** Research
**Topics:** google, llm, rl, tpu, inference

## Summary

Cách nhóm tác giả loại bỏ hiện tượng trôi logprob giữa quá trình train và inference của số thực dấu phẩy động cho LLM reinforcement learning on\-policy trên 64 chip Cloud TPU v5p, bằng cách dùng công thức bốn phần có khả năng tổng quát hóa từ JAX và Pallas trong Tunix\.

## Sources

- [Story source](<https://developers.googleblog.com/unlocking-stable-on-policy-rl-on-tpu-with-bitwise-zero-traininference-mismatch/>)

