SGLang开源100%可复现RL训练框架：2次实验结果完全重合，性能下降仅34.35%

🎯 情报来源：量子位

SGLang团队与slime团队联合发布全球首个实现100%可复现的稳定强化学习（RL）训练框架。基于Qwen3-8B的重复实验显示，两次运行结果曲线完全重合，突破性地解决了LLM推理中的不确定性问题。该框架集成批次不变算子、CUDA Graph等关键技术，在保持分块预填充等核心功能的同时，实现确定性推理性能下降仅34.35%（FlashInfer/FlashAttention 3后端），较行业基准61.5%有显著提升。

该成果建立在Thinking Machines Lab（OpenAI前CTO创立）提出的”批次不变性”理论基础上，通过定制注意力算子和采样逻辑，首次实现从推理到训练的全链路确定性。团队公开了包括固定KV分割、多后端支持等关键技术细节，并配套发布完整的测试验证方案。

💡 核心要点

• 实现100%可复现RL训练：两次实验曲线完全重合
• 确定性推理性能损失仅34.35%（行业基准61.5%）
• 支持CUDA Graph加速（2.8倍）与Radix Cache等关键功能
• 通过50次采样测试验证，独特输出数量趋近于1
• 开源代码已支持Qwen3-8B等主流模型

📌 情报分析

技术价值：极高
实现LLM领域长期未解决的确定性推理难题，技术路径包含批次不变算子、固定KV分割等创新设计，测试方案严谨（含Single/Mixed/Prefix三级验证）。

商业价值：高
直接解决RLHF训练、A/B测试等工业场景的复现需求，性能损失控制在可用范围（34.35%），且团队承诺未来优化至20%以内。