Together GPU Clusters 新增可靠性与运维控制能力，Slurm-on-K8s 升级至 2.0
New in Together GPU Clusters: Reliability and control for production GPU clusters
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
Together GPU Clusters 新增被动健康检查、自动节点修复和 Slurm-on-K8s 2.0，用于在训练与推理中捕获 GPU 掉总线、Xid 错误、热降频等故障。
来源：Together AI Blog · together.ai