热点事件持续更新
研究团队提出面向训练集群的LEAP吞吐量预测系统
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
2026年11月，研究团队提出面向生产训练集群硬件选择的学习型吞吐量预测服务LEAP。该系统可在作业提交时预测各类候选硬件的吞吐量，并按单位成本吞吐量排序以优化硬件路由选择。实际应用中，LEAP每天跨20多种硬件类型路由数万次训练作业，经30次夜间重训后准确率达77%，表现优于查表法及微调语言模型。在上线运行的6个月内，其覆盖的训练GPU工时比例已提升至95%，预估可节省约3%的训练计算成本。
AI 根据报道生成 · 15 小时前更新
最新进展11月4日 13:00
研究团队发布LEAP系统，上线6个月覆盖95%训练GPU工时并预估节省约3%计算成本。报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv 人工智能LEAP：面向生产训练集群硬件选择的学习型吞吐量预测系统
机器学习性能预测服务 LEAP 可在作业提交时预测各候选硬件类型的吞吐量，并按单位成本吞吐量排序以优化硬件路由选择。LEAP 每天跨 20 多种硬件类型路由数万次训练作业，经 30 次夜间重训后准确率达 77%，表现优于查表法与微调语言模型。在上线 6 个月内，其覆盖的训练 GPU-hours 比例提升至 95%，预估节省约 3% 的训练计算成本。
本事件热度走势
当前热度 7·可比范围峰值 10（11月4日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。