# vime

强化学习后训练中，训练引擎与推演引擎即使模型、权重和输入相同，也会因算子、并行方式和归约顺序不同而算出不同的对数概率，进而影响重要性比、KL 诊断和裁剪。vime 负责对齐训练时间线，RL-Kernel 负责对齐数值执行，二者在 AMD Instinct MI300X 上把注意力、前馈网络、对数概率和通信路径统一到同一数值契约。在 8 卡 MI300X 上运行 Qwen3-8B 的 GRPO 实验，严格路径连续 200 步的 mismatch_count 与 max_abs_diff 均为零。

强化学习后训练中，训练引擎与推演引擎即使模型、权重和输入相同，也会因算子、并行方式和归约顺序不同而算出不同的对数概率，进而影响重要性比、KL 诊断和裁剪。vime 负责对齐训练时间线，RL-Kernel 负责对齐数值执行，二者在 AMD Instinct MI300X 上把注意力、前馈网络、对数概率和通信路径统一到同一数值契约。在 8 卡 MI300X 上运行 Qwen3-8B 的 GRPO 实验，严格路径连续 200 步的 mismatch_count 与 max_abs_diff 均为零。