miyeeee

QWQ：GRPO训练无法跑通，报错”RuntimeError: ACL stream synchronize failed, error code:107020“

2

### 问题描述 在D910B NPU卡上进行QWQ的GRPO训练时遇到报错，具体为同步计算流超时（已设置export HCCL_EXEC_TIMEOUT=3600） ### 环境配置 - D910B NPU卡，32G - 4节点，每节点8卡 ### 报错内容 Traceback (most recent call last): File "/home/ma-user/modelarts/user-job-dir/ms-swift/swift/cli/rlhf.py", line 5, in rlhf_main() File "/home/ma-user/modelarts/user-job-dir/ms-swift/swift/llm/train/rlhf.py", line 98, in...