待验证50% 置信事实精确时间

由N块GPU组成的系统在同一时间段内至少发生一次故障的概率约为1-(1-p)^N，其中p为单块GPU故障概率

1

来源数

50%

置信度

长期有效

时效性

2026/7/7

首次发现

来源

非均匀张量并行：NVIDIA提升LLM训练Goodput的容错新方案

rss2026/7/6

相关事实

待验证超大规模分布式训练中硬件故障概率随节点数量指数级上升，GPU 静默错误可能在数百步后才被发现，需从最近检查点重新训练63% 相似待验证GPTQ通过对每一层权重进行二阶近似优化（基于OBS/OBQ框架）来最小化量化误差，通常需要如C4数据集的128条样本校准，单GPU上仅需数小时完成63% 相似待验证FMEA通过失效模式、失效概率及失效后果严重程度三者相乘得出风险优先数（RPN）62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/197026

API

curl https://kongchang.com/api/v1/knowledge/claims/197026

MCP

get_claim(id=197026)