Sphinx是一个基于Python的文档生成工具，它可以将标记文本转换为各种格式的文档，包括HTML、PDF、EPUB等。Sphinx最初是为Python文档而开发的，但是它也可以用于其他类型的文档，例如API文档、技术文档、用户手册等。

【昇腾】用MindIE服务化部署glm4-9b-chat模型，api访问报错：>>> Exception:ChatGLM4Tokenizer._pad() got an unexpected keyword argument 'padding_side'修改tokenization_chatglm.py脚本增加padding_side参数，或者下载最新的tokenization_chatglm.p

Deepseek双机组网：拥塞控制配置理解PFC的作用DSCP的作用DSCP和PFC相关配置理解

Remove padding在大语言模型训练过程中，输入数据通常由长度不一的序列组成。为了支持批处理，传统方案通过在 batch 内对所有序列填充（padding）至相同长度实现。这种方式虽然方便模型计算，但会引入大量无效计算，尤其当短序列远多于长序列时，训练效率显著下降。为了解决上述问题，引入了remove_padding 特性，通过对有效 token 部分拼接（packing）后计算，有效消除

【昇腾】光链路脏污检查方法

昇腾MindSpeed RL的代码结构类图

昇腾MindSpeed RL的训推共卡和Resharding特性代码解析MindSpeed-RL仓库目前主推的部署方式为全共卡部署，即 Actor, Reference 等 worker 分时复用同一批机器资源，交替进行计算任务。 在全共卡配置中，为了节省显存，各个计算任务执行时只会将必要的数据加载到显存上，并在结束计算任务后，将加载的数据重新卸载到CPU侧的内存上。在大模型RL后训练过程中，模型

【昇腾】Mind IE纯模型测试，提示mki_cfg.ini does not exist经排查，程序实际执行成功，已经产出性能测试结果文件到下面路径，只是打屏信息较少，开启打屏多打些信息： export MINDIE_RT_LOG_PRINT_TO_STDOUT=1export MINDIE_RT_LOG_LEVEL=0export MINDIE_LOG_TO_STDOUT = 1

在数据并行（Data Parallel, DP）训练中，若各 DP 节点的序列总长度不均衡，会导致计算量少的节点提前完成等待，形成「木桶效应」。该特性通过装箱算法均衡各 DP 节点的序列总长度，减少节点间等待时间，提升分布式训练效率。详细原理请参考：数据并行负载均衡（DP Batch Balance）。下面我们对该特性的代码实现做详细的介绍。

MindIE服务器推理，config.json权限问题：config.json failed, by: Check Other group permission failed: Current permission is 4, but required no greater than 0. Required permission: 750, but got 644failed to check c