arXiv Artificial Intelligence· Boyuan Cui, Yuyang Zeng, Yifang Tian, Hans-Arno Jacobsen·· 20 小时前AI 评分38
日志解析丢掉了什么：GF-Bench 检测分布式 GPU 工作负载故障
When Log Parsing Removes What Matters: Detecting Failures in Distributed GPU Workloads
AI 导读
研究者提出基于 PyTorch 的 GF-Bench 框架与数据集，用于在分布式 GPU 工作负载中生成故障，当前版本包含 220 条带标注的双 GPU 执行记录，覆盖正常运行、CUDA 显存不足的 fail-stop 故障和持续性拖尾的 fail-slow 故障。
来源：arXiv Artificial Intelligence · arxiv.org