Checkmate: Zero-Overhead Model Checkpointing via Network Gradient Replication
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Bhardwaj, Ankit, Wang, Weiyang, Carin, Jeremy, Belay, Adam, Ghobadi, Manya |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
KaMPIng: Flexible and (Near) Zero-Overhead C++ Bindings for MPI
par: Uhl, Tim Niklas, et autres
Publié: (2024)
par: Uhl, Tim Niklas, et autres
Publié: (2024)
Near-Zero-Overhead Freshness for Recommendation Systems via Inference-Side Model Updates
par: Yu, Wenjun, et autres
Publié: (2025)
par: Yu, Wenjun, et autres
Publié: (2025)
Optimizing Frequent Checkpointing via Low-Cost Differential for Distributed Training Systems
par: Yao, Chenxuan, et autres
Publié: (2025)
par: Yao, Chenxuan, et autres
Publié: (2025)
Scaling LLM Inference Beyond Amdahl`s Limits via Eliminating Non-Scalable Overheads
par: Zhao, Alan, et autres
Publié: (2026)
par: Zhao, Alan, et autres
Publié: (2026)
MLTCP: Congestion Control for DNN Training
par: Rajasekaran, Sudarsanan, et autres
Publié: (2024)
par: Rajasekaran, Sudarsanan, et autres
Publié: (2024)
Asynchronous Checkpoint for Eventually Consistent Databases
par: Ravishankar, Raaghav, et autres
Publié: (2025)
par: Ravishankar, Raaghav, et autres
Publié: (2025)
Building State Machine Replication Using Practical Network Synchrony
par: Wan, Yiliang, et autres
Publié: (2025)
par: Wan, Yiliang, et autres
Publié: (2025)
AMSP: Reducing Communication Overhead of ZeRO for Efficient LLM Training
par: Chen, Qiaoling, et autres
Publié: (2023)
par: Chen, Qiaoling, et autres
Publié: (2023)
Parallelize Over Data Particle Advection: Participation, Ping Pong Particles, and Overhead
par: Wang, Zhe, et autres
Publié: (2024)
par: Wang, Zhe, et autres
Publié: (2024)
Understanding and Reducing Metadata-Driven Host Overheads in Sampling-Based GNN Training
par: Gong, Yidong, et autres
Publié: (2026)
par: Gong, Yidong, et autres
Publié: (2026)
Modular Architecture for High-Performance and Low Overhead Data Transfers
par: Swargo, Rasman Mubtasim, et autres
Publié: (2025)
par: Swargo, Rasman Mubtasim, et autres
Publié: (2025)
CRIUgpu: Transparent Checkpointing of GPU-Accelerated Workloads
par: Stoyanov, Radostin, et autres
Publié: (2025)
par: Stoyanov, Radostin, et autres
Publié: (2025)
Scrutinizing Variables for Checkpoint Using Automatic Differentiation
par: Huang, Xin, et autres
Publié: (2026)
par: Huang, Xin, et autres
Publié: (2026)
Optimal Checkpoint Interval with Availability as an Objective Function
par: Saxena, Nirmal Raj, et autres
Publié: (2024)
par: Saxena, Nirmal Raj, et autres
Publié: (2024)
Checkpoint and Restart: An Energy Consumption Characterization in Clusters
par: Moran, Marina, et autres
Publié: (2024)
par: Moran, Marina, et autres
Publié: (2024)
Benchmarking Compound AI Applications for Hardware-Software Co-Design
par: Samuthrsindh, Paramuth, et autres
Publié: (2026)
par: Samuthrsindh, Paramuth, et autres
Publié: (2026)
LLMTailor: A Layer-wise Tailoring Tool for Efficient Checkpointing of Large Language Models
par: Sun, Minqiu, et autres
Publié: (2026)
par: Sun, Minqiu, et autres
Publié: (2026)
Efficient LLM Inference with Activation Checkpointing and Hybrid Caching
par: Lee, Sanghyeon, et autres
Publié: (2025)
par: Lee, Sanghyeon, et autres
Publié: (2025)
Sparse Checkpointing for Fast and Reliable MoE Training
par: Gandhi, Swapnil, et autres
Publié: (2024)
par: Gandhi, Swapnil, et autres
Publié: (2024)
Understanding LLM Checkpoint/Restore I/O Strategies and Patterns
par: Gossman, Mikaila J., et autres
Publié: (2025)
par: Gossman, Mikaila J., et autres
Publié: (2025)
CRIU -- Checkpoint Restore in Userspace for computational simulations and scientific applications
par: Andrijauskas, Fabio, et autres
Publié: (2024)
par: Andrijauskas, Fabio, et autres
Publié: (2024)
SafarDB: FPGA-Accelerated Distributed Transactions via Replicated Data Types
par: Saberlatibari, Javad, et autres
Publié: (2026)
par: Saberlatibari, Javad, et autres
Publié: (2026)
FeedSign: Robust Full-parameter Federated Fine-tuning of Large Models with Extremely Low Communication Overhead of One Bit
par: Cai, Zhijie, et autres
Publié: (2025)
par: Cai, Zhijie, et autres
Publié: (2025)
Reliable Replication Protocols on SmartNICs
par: Katebzadeh, M. R. Siavash, et autres
Publié: (2025)
par: Katebzadeh, M. R. Siavash, et autres
Publié: (2025)
Undo and Redo Support for Replicated Registers
par: Stewen, Leo, et autres
Publié: (2024)
par: Stewen, Leo, et autres
Publié: (2024)
Junctiond: Extending FaaS Runtimes with Kernel-Bypass
par: Saurez, Enrique, et autres
Publié: (2024)
par: Saurez, Enrique, et autres
Publié: (2024)
A Lightweight Approach for State Machine Replication
par: Cachin, Christian, et autres
Publié: (2025)
par: Cachin, Christian, et autres
Publié: (2025)
Mangrove: Fast and Parallelizable State Replication for Blockchains
par: Paramonov, Anton, et autres
Publié: (2025)
par: Paramonov, Anton, et autres
Publié: (2025)
Approaches to Conflict-free Replicated Data Types
par: Almeida, Paulo Sérgio
Publié: (2023)
par: Almeida, Paulo Sérgio
Publié: (2023)
Linearizability and State-Machine Replication: Is it a match?
par: Hauck, Franz J., et autres
Publié: (2024)
par: Hauck, Franz J., et autres
Publié: (2024)
The Cost of Garbage Collection for State Machine Replication
par: Liang, Zhiying, et autres
Publié: (2024)
par: Liang, Zhiying, et autres
Publié: (2024)
A Unified, Practical, and Understandable Model of Non-transactional Consistency Levels in Distributed Replication
par: Hu, Guanzhou, et autres
Publié: (2024)
par: Hu, Guanzhou, et autres
Publié: (2024)
Ocior: Ultra-Fast Asynchronous Leaderless Consensus with Two-Round Finality, Linear Overhead, and Adaptive Security
par: Chen, Jinyuan
Publié: (2025)
par: Chen, Jinyuan
Publié: (2025)
NAVIS: Concurrent Search and Update with Low Position-Seeking Overhead in On-SSD Graph-Based Vector Search
par: Song, Jaeyong, et autres
Publié: (2026)
par: Song, Jaeyong, et autres
Publié: (2026)
Wait-free Replicated Data Types and Fair Reconciliation
par: Kuznetsov, Petr, et autres
Publié: (2025)
par: Kuznetsov, Petr, et autres
Publié: (2025)
Resilience through Automated Adaptive Configuration for Distribution and Replication
par: Stoller, Scott D., et autres
Publié: (2025)
par: Stoller, Scott D., et autres
Publié: (2025)
Vertical Atomic Broadcast and Passive Replication (Extended Version)
par: Bravo, Manuel, et autres
Publié: (2024)
par: Bravo, Manuel, et autres
Publié: (2024)
SWARM: Replicating Shared Disaggregated-Memory Data in No Time
par: Murat, Antoine, et autres
Publié: (2024)
par: Murat, Antoine, et autres
Publié: (2024)
Orbax: Distributed Checkpointing with JAX
par: Gaffney, Colin, et autres
Publié: (2026)
par: Gaffney, Colin, et autres
Publié: (2026)
Multi-Resolution Model Fusion for Accelerating the Convolutional Neural Network Training
par: Wang, Kewei, et autres
Publié: (2025)
par: Wang, Kewei, et autres
Publié: (2025)
Documents similaires
-
KaMPIng: Flexible and (Near) Zero-Overhead C++ Bindings for MPI
par: Uhl, Tim Niklas, et autres
Publié: (2024) -
Near-Zero-Overhead Freshness for Recommendation Systems via Inference-Side Model Updates
par: Yu, Wenjun, et autres
Publié: (2025) -
Optimizing Frequent Checkpointing via Low-Cost Differential for Distributed Training Systems
par: Yao, Chenxuan, et autres
Publié: (2025) -
Scaling LLM Inference Beyond Amdahl`s Limits via Eliminating Non-Scalable Overheads
par: Zhao, Alan, et autres
Publié: (2026) -
MLTCP: Congestion Control for DNN Training
par: Rajasekaran, Sudarsanan, et autres
Publié: (2024)