> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/jp/meru/reinforcement-learning-rl-guide/advanced-rl-documentation/fp16-vs-bf16-for-rl.md). # RLにおけるFP16とBF16 Defeating the Training-Inference Mismatch via FP16 https\://arxiv.org/pdf/2510.26788 は、float16の使用がbfloat16より優れていることを示しています ### Float16 と Bfloat16 「というタイトルの論文がありました**FP16 による学習時と推論時の不一致の克服**" 強化学習を行う際に、float16 精度を使うと bfloat16 より劇的に優れていることを示しています。
実際、生成が長くなるほど、bfloat16 を使うと悪化します：
調査を行ったところ、 **float16 のほうがより安定であることが実際にわかりました** bfloat16 よりもはるかに小さい勾配ノルムで、参照 そして {% columns %} {% column width="50%" %}
{% endcolumn %} {% column width="50%" %}
{% endcolumn %} {% endcolumns %} ### :exploding\_head:A100 の Cascade Attention のバグ に従い、 そして 、旧バージョンの vLLM（0.11.0 より前）では、A100 および同等の GPU に対する attention 機構が壊れていました。vLLM を更新してください！また、古い vLLM バージョンを検出した場合、Unsloth の強化学習中はデフォルトで vLLM の cascade attention も無効にしています。
ハードウェアが異なると結果も変わり、より新しく高価な GPU ほど、推論側と学習側の KL 差が小さくなります：
### :fire:Unsloth RL で float16 を使う Unsloth GRPO と RL で float16 精度を使うには、次を設定するだけです `dtype = torch.float16` あとはこちらで対応します！ {% code overflow="wrap" %} ```python from unsloth import FastLanguageModel import torch max_seq_length = 2048 # より長い推論トレースには増やせます lora_rank = 32 # rankが大きいほど賢いが、遅くなる model, tokenizer = FastLanguageModel.from_pretrained( model_name = "unsloth/Qwen3-4B-Base", max_seq_length = max_seq_length, load_in_4bit = False, # LoRA 16bitではFalse fast_inference = True, # vLLM の高速推論を有効化 max_lora_rank = lora_rank, gpu_memory_utilization = 0.9, # メモリ不足の場合は減らす dtype = torch.float16, # torch.float16、torch.bfloat16 を使用 ) ``` {% endcode %} --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://unsloth.ai/docs/jp/meru/reinforcement-learning-rl-guide/advanced-rl-documentation/fp16-vs-bf16-for-rl.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.