Back to Home
RadarAI··Papers & Tech

微软清华研究:GPU kernel 库故障多源于编译器与环境

中文摘要

微软清华研究:六成GPU内核库故障源于环境不兼容,导致大模型任务崩溃且难以定位。

English Summary

Microsoft-Tsinghua research reveals 60% of GPU kernel library issues stem from environment incompatibilities, causing hard-to-diagnose crashes and errors in LLM training and inference.

Original Excerpt

微软与清华论文分析 7 个 GPU kernel 库的 300 条已关闭 GitHub issue,发现 60.33% 的故障源自编译器、构建系统或运行时环境,39.67% 源自 kernel 库本身。最大单一原因是驱动、CUDA、框架与软件包之间的不兼容,共 76 个 issue,占 25.33%。这类故障会导致 LLM 训练与推理任务崩溃、挂起或静默输出错误结果,且难以定位。