ARGUS已在一个拥有超过10,000个GPU的生产集群上稳定运行超过六个月，并在检测和诊断计算掉队者（compute stragglers）与通信性能退化等大规模性能故障方面发挥了关键作用。

腾讯的ARGUS追踪系统已在拥有10,000多个GPU的生产集群上部署六个多月，用于诊断计算掉队者、通信链路退化以及流水线气泡放大等问题。 ✦ AI 生成 · 平台预翻

Tencent researchers · Import AI · 2026-06-29 · English original →

ARGUS已在一个拥有10,000多个GPU的生产集群上部署超过六个月，与生产训练一同稳定运行，并在快速的fail-slow检测和性能优化中发挥了关键作用。

ARGUS has been deployed on a 10,000+ GPU production cluster for over six months, running stably alongside production training and playing a key role in rapid fail-slow detection and performance optimization.

阅读原文 ↗合理引用摘录 · 中文为平台译文