BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

TrainMover: Efficient Live Migration for Machine Learning Training with No Memory Overhead

💡 原文英文，约100词，阅读约需1分钟。
📝

内容提要

TrainMover系统通过集体通信组成员替换和沙箱懒初始化，解决了机器学习训练中的任务中断问题，停机时间比基线低16倍，显著提高了数据中心的事件处理效率。

🏷️

标签

TrainMover 任务中断 数据中心 机器学习 集体通信
➡️

继续阅读

  1. Presentation: From S3 to GPU in One Copy: Rethinking Data Loading for ML Training
    Onur Satici explains how Vortex, an open-source columnar file format under th...
  2. DeepSeek-V4 模型结构（7）：结构决定系统
    DeepSeek-V4模型采用混合压缩注意力（mHC），将KV缓存分为状态缓存和分页缓存，分别管理滑窗KV与压缩条目。上下文并行通过点对点通信和all-g...
  3. DeepSeek-V4 模型结构（6）：优化器与稳定性，Muon
    DeepSeek-V4采用Muon优化器，通过谱范数最速下降实现逐矩阵正交化，用Newton-Schulz迭代逼近SVD，混合系数提升小奇异值并精确稳定大...
  4. Kimi K3 模型结构（8）：训练并行，一步训练里谁在等谁
    本文介绍Kimi K3模型预训练的并行系统设计，聚焦MoE层expert并行。核心是MoonEP方案：每个rank预留E/R个冗余expert槽位，确保任...
  5. DeepSeek-V4 模型结构（5）：宽度维度，DeepSeekMoE 的四个改动
    本文介绍DeepSeek-V4模型结构中MoE层的四处改动：路由打分从sigmoid改为sqrt(softplus)以消除饱和；前三层用固定hash ro...
  6. DeepSeek-V4 模型结构（4）：深度维度，mHC
    该文详解DeepSeek-V4的mHC残差结构：将单条残差流拓宽为4条，通过读、写、混三算子连接子层。为保稳定，混合矩阵被约束为双随机矩阵（非负、行和列和...
👤 个人中心
在公众号发送验证码完成验证