「故障恢复」共找到 140 篇相关文章
谷歌分布式训练开启另一轮扩展定律！百万芯片高压高故障仍然零全局停机
谷歌Decoupled DiLoCo研究打破大模型训练锁步模式，让集群各部分异步汇合。模拟数百万芯片高压训练时零全局停机、性能无损，还能提升系统有效工作时间，有算力撷取和异构计算等红利。
揭秘 Uber 跨区域数据湖与灾难恢复机制：350PB 数据、数百万事件、单一系统
Uber构建的HiveSync是分片式批量复制系统，能让Hive和HDFS数据跨区域同步，每天处理数百万Hive事件。它基于Airbnb ReAir扩展，分离控制与数据平面，有复制和数据修复两组件，未来计划拓展到云端。
为什么你的 Agent 总是出故障？从算力基建到可信熔断的架构生死线 | 直播预告
本次直播集结值得买、商汤、明略三位技术专家，拆解可信 Agent 构建之道。将探讨大模型基础设施、可信 Agent 架构、MCP 协议实战等问题，还会解答观众提问。
为什么你的 Agent 总是出故障？从算力基建到可信熔断的架构生死线 | 直播预告
本次直播集结值得买、商汤、明略三位技术专家，拆解可信 Agent 的构建之道。将探讨大模型基础设施、可信 Agent 架构、MCP 协议实战等内容，还会解答观众提问。
Kimi开源又放大招！20秒更新万亿参数的中间件来了
Kimi开源出新中间件checkpoint - engine，让Kimi K2万亿模型参数进入“秒更时代”。它能支持一次性发送更新权重，实现点对点动态更新，在K2中发挥重要作用，还可抵御单点故障。
Cloudflare 如何解决了 quiche 中的一个拥塞漏洞
Cloudflare 分享发现 CUBIC 的 Rust 实现问题，该问题影响开源库 quiche。团队构建模拟环境测试，发现 CUBIC 陷入恢复循环，用 Reno 测试排除广泛问题，最终一行代码修复，使测试通过率达 100%。
重磅！全都看过来，Anthropic官方发布万字Skill创建完全指南：保姆级终极攻略
Anthropic官方发布万字Claude技能创建指南，涵盖规划、设计、测试和分发等知识，介绍技能结构、设计原则，提供不同用例模式及故障排查方法，适用于开发者、高级用户和团队。
别装了，AI巨头们！谁在卡脖子，谁在割韭菜？这张图一目了然
卡内基梅隆大学发布首个刻画AI供应链数据集，揭示资本、科技与权力「关系网」。供应链上游市场集中或致连锁故障与垄断，绘制其链条能助于多项关键分析，看清产业全貌。
刚刚，Fable 5全球解禁！
美国商务部撤销对Anthropic旗下Fable 5、Mythos 5出口管制，禁令由商务部长Lutnick签字解除。Anthropic官宣明天恢复访问，这两款模型无需许可、审批即可全球使用，此前封禁让开发者陷入“戒断期”。
Android Studio 新功能上线，Compose 预览可调，开发者：终于不用盯着屏幕傻调尺寸了
最新发布的 Android Studio Narwhal 3 Feature Drop 带来功能增强，有可调整大小的 Compose 预览、新备份恢复工具等。支持 AGENTS.md 文件定制 Gemini 行为，还有图片附件和 @File Context 特性，提升 AI 集成与协同能力。