SLAI 团队提出 T-Rex：在昇腾 SuperPOD 上对 DeepSeek-V4 系列做全参数后训练

一篇标题为「SLAI T-Rex: Full-Parameter Post-training of the DeepSeek-V4 Family on Ascend SuperPOD」的论文在社交平台 X 上被分享，作者标注为 AK，原文仅附论文链接，未给出摘要、方法细节或实验数据。

论文披露的核心信息

根据标题可推断的几点事实如下：

• 模型对象：所谓「DeepSeek-V4 Family」，即 DeepSeek 系列的新一代模型族。需要指出的是，截至目前 DeepSeek 公开版本仍以 V3 系列为主，V4 并非已发布产品，论文中的「V4」可能是预印本对下一代模型的代称，具体含义以论文正文为准。
• 训练目标：强调「Full-Parameter Post-training」，即对全部参数进行后训练（包括 SFT、RLHF 或其他对齐阶段），而非常见的 LoRA 等参数高效微调方式。
• 硬件平台：「Ascend SuperPOD」为华为面向大模型训练的高性能集群，基于昇腾 NPU 构建，是国产算力栈中较受关注的方案。
• 方法命名：T-Rex，从命名推断团队可能强调其在国产超算上的规模与效率。

信息缺口

目前公开渠道可见的内容仅限标题与论文 PDF 链接，原文未提供：

• 模型规模、参数量与训练数据规模；
• 是否使用 MoE 架构或与 V3 的结构差异；
• 任何 benchmark 结果或与同代主流模型的对比；
• 完整的作者列表、所属机构及发表渠道（arXiv 编号、会议信息等均未在推文中体现）。

如何看待这条资讯

若论文最终公开且方法得到验证，「在昇腾 SuperPOD 上完成 DeepSeek 全参数后训练」对国产算力生态是一个有意义的信号：它意味着头部开源模型的关键训练环节可以脱离 NVIDIA 体系在国产芯片上跑通。但仅凭一条标题推文，还无法判断方法成熟度与可复现性，建议关注后续论文正文发布以及 DeepSeek 官方的确认或说明。