KDD

Don't Predict, Prioritize: Rethinking GPU Reliability Assessment

不要预测，进行优先级排序：重新思考GPU可靠性评估

Difeng Ma, Changhua Pei, Yuanwei Lu, Quan Zhou, Zexin Wang, Yibo Zhu, Daxin Jiang, Dan Pei, Jingjing Li, Gaogang Xie

AI总结 研究针对GPU可靠性评估难题，传统预测方法受限，提出HeaRank排序学习框架按相对故障风险对节点排序，在生产集群评估中表现优异，能有效捕获未来故障，凸显风险感知调度和主动资源管理在GPU集群中的重要性。

Comments Accepted at ACM SIGKDD 2026; 13 pages, 13 figures

Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)