NVIDIA представила в блоге открытый инструмент для диагностики сбоев распределённых ИИ-нагрузок. Он связывает журналы, метрики и состояние планировщика, относящиеся к отдельной нагрузке, чтобы сформировать воспроизводимое описание проблемы в собственном кластере.

Публикация не содержит подробностей о реализации, поддерживаемых средах или сравнении с другими средствами диагностики. Доступное описание поступает из метаданных страницы NVIDIA Developer Blog, поэтому независимое подтверждение отсутствует.

Практическая ценность решения будет зависеть от того, насколько полно конкретный кластер собирает нужные данные и позволяет сопоставлять их между собой. Следующим сигналом станут техническая документация, пример запуска или результаты применения инструмента на реальной нагрузке.