DRL作业调度统计评估论文发布

2026年10月16日，arXiv Artificial Intelligence 发布 Justin M. Cheney 与 Clement N. Nyirenda 的论文《深度强化学习用于 HPC 作业调度：一项统计评估》。据该报道，研究在两条真实 Slurm 工作负载轨迹（一条同构、一条异构）上，用十组种子对比了六种深度强化学习处理（PPO、A2C、DQN，各含掩码与非掩码版本）以及三种启发式方法和掩码均匀随机对照。论文指出，深度强化学习为高性能计算提供学习式作业选择，但仅与启发式方法比较性能，不足以确立其超越动作掩码的价值。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。