paperbot · PL 论文追踪

全部论文 待读 收藏

P2 An empirical study on program failures of deep learning jobs

深度学习作业程序失败的实证研究
ICSE Proceedings of the ACM/IEEE 42nd International Conference on Software Engineering2020匹配度 3/10 · 论文属于机器学习与程序语言交叉的实证研究,刻画深度学习作业因代码/脚本缺陷失败的场景,可为面向 ML 系统的静态分析提供动机与问题背景;但它本身不涉及静态分析、LLM/Agent、浮点或贝叶斯程序分析,与用户当前追踪的核心问题距离较远。引用 99 inbox
Ru Zhang, Wencong Xiao, Hongyu Zhang, Yu Liu, Haoxiang Lin, Mao Yang
crossref: 2026-09-12

AI 速览

一句话:对共享多租户平台上深度学习作业因代码/脚本缺陷而失败的实证研究。

论文关注企业在共享、多租户平台上提交和运行深度学习程序时,部分作业在长时间执行后因代码或脚本缺陷而失败的问题。这类失败会降低开发生产力,并浪费 GPU、存储和网络 I/O 等昂贵资源。作者针对深度学习作业的程序失败开展实证研究,旨在从实际平台运行视角刻画该问题的表现与影响。摘要未展开具体数据来源、失败分类或统计结果,但明确将深度学习作业失败与代码/脚本缺陷、长时执行及资源共享环境联系起来。该工作有助于后续改进深度学习作业的可靠性、开发效率与资源利用率。

问题
共享多租户平台上,深度学习作业可能因代码/脚本缺陷在长时间执行后失败,导致开发效率下降并浪费 GPU、存储和网络 I/O 等资源。
方法
对深度学习作业的程序失败进行实证研究,从企业开发者在共享平台上提交和运行作业的实际场景出发分析该问题。
评估
摘要未给出具体评估指标与统计结果,主要通过问题描述说明此类失败对开发生产力和昂贵资源利用的影响。
原文摘要(Abstract)

Deep learning has made significant achievements in many application areas. To train and test models more efficiently, enterprise developers submit and run their deep learning programs on a shared, multi-tenant platform. However, some of the programs fail after a long execution time due to code/script defects, which reduces the development productivity and wastes expensive resources such as GPU, storage, and network I/O.

链接与引用

DOI 原文 ·

BibTeX
@inproceedings{paperbot5679,
  title = {An empirical study on program failures of deep learning jobs},
  author = {Ru Zhang and Wencong Xiao and Hongyu Zhang and Yu Liu and Haoxiang Lin and Mao Yang},
  booktitle = {ICSE},
  year = {2020},
  doi = {10.1145/3377811.3380362}
}