Chameleon: Adaptive Fault Tolerance for Distributed Training via Real-time Policy Selection
Fuente:
arXiv
Salvato in:
| Autori principali: | Zhou, Yuhang, Wang, Zhibin, Jiang, Peng, Xia, Haoran, Lu, Junhe, Jiang, Qianyu, Gu, Rong, Xu, Hengxi, Huang, Xinjing, Fang, Guanghuan, Hu, Zhiheng, Zhang, Jingyi, Cai, Yongjin, He, Jian, Tian, Chen |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Chameleon: Taming Dynamic Operator Sequences for Memory-Intensive LLM Training
di: Wang, Zibo, et al.
Pubblicazione: (2025)
di: Wang, Zibo, et al.
Pubblicazione: (2025)
Imitater: An Efficient Shared Mempool Protocol with Application to Byzantine Fault Tolerance
di: Zeng, Qingming, et al.
Pubblicazione: (2024)
di: Zeng, Qingming, et al.
Pubblicazione: (2024)
Fault-Tolerant Decentralized Distributed Asynchronous Federated Learning with Adaptive Termination Detection
di: Akkinepally, Phani Sahasra, et al.
Pubblicazione: (2025)
di: Akkinepally, Phani Sahasra, et al.
Pubblicazione: (2025)
Beyond Optimal Fault Tolerance
di: Lewis-Pye, Andrew, et al.
Pubblicazione: (2025)
di: Lewis-Pye, Andrew, et al.
Pubblicazione: (2025)
MeCeFO: Enhancing LLM Training Robustness via Fault-Tolerant Optimization
di: Hu, Rizhen, et al.
Pubblicazione: (2025)
di: Hu, Rizhen, et al.
Pubblicazione: (2025)
Byzantine Fault Tolerant Causal Ordering
di: Misra, Anshuman, et al.
Pubblicazione: (2021)
di: Misra, Anshuman, et al.
Pubblicazione: (2021)
TierCheck: Tiered Checkpointing for Fault Tolerance in Large Language Model Training
di: Han, Shujie, et al.
Pubblicazione: (2026)
di: Han, Shujie, et al.
Pubblicazione: (2026)
Byzantine Fault-Tolerant Min-Max Optimization
di: Liu, Shuo, et al.
Pubblicazione: (2022)
di: Liu, Shuo, et al.
Pubblicazione: (2022)
Approximate Byzantine Fault-Tolerance in Distributed Optimization
di: Liu, Shuo, et al.
Pubblicazione: (2021)
di: Liu, Shuo, et al.
Pubblicazione: (2021)
Optimal Fault-Tolerant Dispersion on Oriented Grids
di: Banerjee, Rik, et al.
Pubblicazione: (2024)
di: Banerjee, Rik, et al.
Pubblicazione: (2024)
Probabilistic Byzantine Fault Tolerance (Extended Version)
di: Avelãs, Diogo, et al.
Pubblicazione: (2024)
di: Avelãs, Diogo, et al.
Pubblicazione: (2024)
Accelerating Mixture-of-Experts Inference by Hiding Offloading Latency with Speculative Decoding
di: Wang, Zhibin, et al.
Pubblicazione: (2025)
di: Wang, Zhibin, et al.
Pubblicazione: (2025)
Optimizing Robot Dispersion on Grids: with and without Fault Tolerance
di: Banerjee, Rik, et al.
Pubblicazione: (2024)
di: Banerjee, Rik, et al.
Pubblicazione: (2024)
VBFT: Veloce Byzantine Fault Tolerant Consensus for Blockchains
di: Jalalzai, Mohammad M., et al.
Pubblicazione: (2023)
di: Jalalzai, Mohammad M., et al.
Pubblicazione: (2023)
A Fault Tolerance Mechanism for Hybrid Scientific Workflows
di: Mulone, Alberto, et al.
Pubblicazione: (2024)
di: Mulone, Alberto, et al.
Pubblicazione: (2024)
Asynchronous Fault-Tolerant Distributed Proper Coloring of Graphs
di: Balliu, Alkida, et al.
Pubblicazione: (2024)
di: Balliu, Alkida, et al.
Pubblicazione: (2024)
Arma: Byzantine Fault Tolerant Consensus with Horizontal Scalability
di: Manevich, Yacov, et al.
Pubblicazione: (2024)
di: Manevich, Yacov, et al.
Pubblicazione: (2024)
The Case for ABI Interoperability in a Fault Tolerant MPI
di: Xu, Yao, et al.
Pubblicazione: (2025)
di: Xu, Yao, et al.
Pubblicazione: (2025)
Fault-Tolerant Hybrid-Parallel Training at Scale with Reliable and Efficient In-memory Checkpointing
di: Wang, Yuxin, et al.
Pubblicazione: (2023)
di: Wang, Yuxin, et al.
Pubblicazione: (2023)
Stabl: Blockchain Fault Tolerance
di: Gramoli, Vincent, et al.
Pubblicazione: (2024)
di: Gramoli, Vincent, et al.
Pubblicazione: (2024)
A Byzantine Fault Tolerance Approach towards AI Safety
di: deVadoss, John, et al.
Pubblicazione: (2025)
di: deVadoss, John, et al.
Pubblicazione: (2025)
Optimizing View Change for Byzantine Fault Tolerance in Parallel Consensus
di: Xie, Yifei, et al.
Pubblicazione: (2026)
di: Xie, Yifei, et al.
Pubblicazione: (2026)
Hamster: A Fast Synchronous Byzantine Fault Tolerance Protocol
di: Fu, Ximing, et al.
Pubblicazione: (2024)
di: Fu, Ximing, et al.
Pubblicazione: (2024)
On Fault Tolerance of Data Storage Systems: A Holistic Perspective
di: Zheng, Mai, et al.
Pubblicazione: (2025)
di: Zheng, Mai, et al.
Pubblicazione: (2025)
Training LLMs with Fault Tolerant HSDP on 100,000 GPUs
di: Salpekar, Omkar, et al.
Pubblicazione: (2026)
di: Salpekar, Omkar, et al.
Pubblicazione: (2026)
Asynchronous Fault-Tolerant Language Decidability for Runtime Verification of Distributed Systems
di: Castañeda, Armando, et al.
Pubblicazione: (2025)
di: Castañeda, Armando, et al.
Pubblicazione: (2025)
Achieving High-Performance Fault-Tolerant Routing in HyperX Interconnection Networks
di: Camarero, Cristóbal, et al.
Pubblicazione: (2024)
di: Camarero, Cristóbal, et al.
Pubblicazione: (2024)
FTI-TMR: A Fault Tolerance and Isolation Algorithm for Interconnected Multicore Systems
di: Hu, Yiming
Pubblicazione: (2025)
di: Hu, Yiming
Pubblicazione: (2025)
Process-Commutative Distributed Objects: From Cryptocurrencies to Byzantine-Fault-Tolerant CRDTs
di: Frey, Davide, et al.
Pubblicazione: (2023)
di: Frey, Davide, et al.
Pubblicazione: (2023)
BlockRaFT: A Distributed Framework for Fault-Tolerant and Scalable Blockchain Nodes
di: Piduguralla, Manaswini, et al.
Pubblicazione: (2026)
di: Piduguralla, Manaswini, et al.
Pubblicazione: (2026)
Byzantine Fault Tolerant Protocols with Near-Constant Work per Node without Signatures
di: Schneider, Philipp
Pubblicazione: (2025)
di: Schneider, Philipp
Pubblicazione: (2025)
TurboFFT: A High-Performance Fast Fourier Transform with Fault Tolerance on GPU
di: Wu, Shixun, et al.
Pubblicazione: (2024)
di: Wu, Shixun, et al.
Pubblicazione: (2024)
Adaptive Fault Tolerance Mechanisms of Large Language Models in Cloud Computing Environments
di: Jin, Yihong, et al.
Pubblicazione: (2025)
di: Jin, Yihong, et al.
Pubblicazione: (2025)
Half a Century of Distributed Byzantine Fault-Tolerant Consensus: Design Principles and Evolutionary Pathways
di: Wu, Huanyu, et al.
Pubblicazione: (2024)
di: Wu, Huanyu, et al.
Pubblicazione: (2024)
A Self-Healing and Fault-Tolerant Cloud-based Digital Twin Processing Management Model
di: Saxena, Deepika, et al.
Pubblicazione: (2025)
di: Saxena, Deepika, et al.
Pubblicazione: (2025)
TurboFFT: Co-Designed High-Performance and Fault-Tolerant Fast Fourier Transform on GPUs
di: Wu, Shixun, et al.
Pubblicazione: (2024)
di: Wu, Shixun, et al.
Pubblicazione: (2024)
MoC-System: Efficient Fault Tolerance for Sparse Mixture-of-Experts Model Training
di: Cai, Weilin, et al.
Pubblicazione: (2024)
di: Cai, Weilin, et al.
Pubblicazione: (2024)
Straggler Tolerant and Resilient DL Training on Homogeneous GPUs
di: Zhang, Zeyu, et al.
Pubblicazione: (2025)
di: Zhang, Zeyu, et al.
Pubblicazione: (2025)
EES-CND: Collaborative Neural Decision-Making for Drift-Aware Fault-Tolerant Edge-Cloud Service Placement
di: Herabad, Mohammadsadeq Garshasbi, et al.
Pubblicazione: (2026)
di: Herabad, Mohammadsadeq Garshasbi, et al.
Pubblicazione: (2026)
The Streaming Batch Model for Efficient and Fault-Tolerant Heterogeneous Execution
di: Luan, Frank Sifei, et al.
Pubblicazione: (2025)
di: Luan, Frank Sifei, et al.
Pubblicazione: (2025)
Documenti analoghi
-
Chameleon: Taming Dynamic Operator Sequences for Memory-Intensive LLM Training
di: Wang, Zibo, et al.
Pubblicazione: (2025) -
Imitater: An Efficient Shared Mempool Protocol with Application to Byzantine Fault Tolerance
di: Zeng, Qingming, et al.
Pubblicazione: (2024) -
Fault-Tolerant Decentralized Distributed Asynchronous Federated Learning with Adaptive Termination Detection
di: Akkinepally, Phani Sahasra, et al.
Pubblicazione: (2025) -
Beyond Optimal Fault Tolerance
di: Lewis-Pye, Andrew, et al.
Pubblicazione: (2025) -
MeCeFO: Enhancing LLM Training Robustness via Fault-Tolerant Optimization
di: Hu, Rizhen, et al.
Pubblicazione: (2025)