待验证50% 置信事实精确时间

当用户启动Jupyter Notebook并请求GPU资源时，底层Kernel进程会持有GPU显存分配，即使关闭浏览器标签页Kernel仍在后台运行并锁定GPU

1

来源数

50%

置信度

长期有效

时效性

2026/8/7

首次发现

来源

GPU利用率不足30%：预留资源闲置的破局之道

相关事实

待验证Kubernetes通过Device Plugin机制将GPU暴露为可调度资源，Pod请求GPU后独占该资源直到Pod被销毁66% 相似待验证vLLM采用连续批处理技术允许不同用户请求在同一GPU批次中并行处理，提升吞吐量的同时使请求间内存边界管理更精细59% 相似已验证vLLM通过PagedAttention技术实现了高效的KV Cache管理，将GPU显存利用率提升数倍59% 相似待验证MPS不提供故障隔离，单个进程崩溃可能通过MPS daemon传播，拖垮同一GPU上其他任务59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/702387

API

curl https://kongchang.com/api/v1/knowledge/claims/702387

MCP

get_claim(id=702387)