ByteDance Seed与威斯康星大学把FP8强化学习全流程跑通：定位到熵激增的过裁剪成因，用Calibrated Clipping在8B到32B上追平BF16并取得最高1.5倍训练吞吐
该工作研究大语言模型全流程FP8强化学习的训练稳定性，指出复合FP8量化噪声会扭曲重要性比值、使负优势token被过度下裁剪而梯度被错误置零，并提出Calibrated Clipping通过匹配BF16参考的下裁剪分位数并重新平衡上界来动态校准裁剪边界，在GRPO与DAPO、8B至32B模型和多种FP8缩放粒度上消除熵激增、恢复接近BF16的性能，同时训练吞吐最高可达BF16的1.5倍。