CANN首个训练样例仓库来袭！手把手带你玩转Qwen RL训练，揭秘DeepSeek-R1 RL训练性能优化之道！

为了方便广大开发者使用昇腾环境进行大模型的微调、续训，即将开源的cann-recipes-train仓库，针对LLM与多模态模型训练业务中的典型模型、算法，提供基于CANN平台的优化样例，帮助开发者简单、快速、高效地使用CANN平台进行模型训练。cann-recipes-train仓首批将上线两个基于verl框架的强化学习训练样例，网络分别是Qwen2.5和DeepSeek-R1-671B。

Qwen2.5 RL训练样例：基于 Qwen2.5-1.5B-Instruct 模型，采用 verl 强化学习框架，在 MATH-lighteval 数学推理数据集上进行了训练。样例最低只需要单卡Atlas A2环境即可运行，方便开发者低成本上手复现。作为使用昇腾环境进行RL训练的hello world，该样例操作步骤详尽，并提供了使用swanlab、tensorboard等工具进行可视化跟踪的指导。

DeepSeek-R1-671B RL训练优化实践：基于开源 verl框架，搭配 MindSpeed+vLLM-Ascend 框架，在 Atlas A3 集群实现 GRPO 算法的高吞吐 RL 训练，当前样例在1K推3K序列场景下，实现了120TPS/卡的系统吞吐。

cann-recipes-train 仓不仅提供了可直接复用的代码参考，还公开了DeepSeek-R1-671B RL训练优化实践的详细技术文档，分别对模型间调度、训推切换、训练及推理等核心环节优化思路和方法进行解读，让开发者可以深入了解优化背后的原理，真正做到知其然且知其所以然：

好消息不止于此！为了让开发者能在实战中更好地理解和运用cann-recipes-train仓所提供的优化思路和方法，本周我们将进行一场主题为 “cann-recipes-train 开源介绍与优秀实践” 的 Meetup 专场直播 ！在这场直播中，专家将从两大核心维度展开分享:

如果您在 cann-recipes-train 仓库使用、大模型 RL 训练优化等方面有任何疑问，都可以在本文评论区留言提问。后台工作人员会及时收集大家的问题，并在专场直播中由专家进行集中解答，为您扫清技术障碍。

关注昇腾CANN公众号，及时获取直播时间与观看链接，锁定这场精彩直播，一起探索大模型训练的高效之道！