# Swapnil Gandhi [[Stanford University]] の研究者。[[Christos Kozyrakis]] の研究グループに所属し、耐障害 LLM 訓練システム [[ReCycle]] を筆頭著者として開発した(SOSP '24)。その後 [[Zhiqiang Xie]]・[[Ziyi Xu]]([[Shanghai Jiao Tong University]])と耐障害 LLM サービングシステム FailSafe を共著し(arXiv 2025、MLSys 2026 Oral)、訓練とサービング双方の耐障害設計に取り組む。 ## 主な業績 - **[[ReCycle]]**: ハイブリッド並列訓練の機能的冗長性とパイプラインバブルを活用し、スペアサーバなしで障害時もスループットを維持する耐障害訓練システム。(Source: [[@2024__SOSP__ReCycle - Resilient Training of Large DNNs using Pipeline Adaptation]]) - **[[FailSafe]]**: テンソル並列 LLM サービングにおける GPU 障害後の計算・メモリ不均衡と復旧レイテンシに対処する耐障害システム。(Source: [[@2025__arXiv__FailSafe - High-performance Resilient Serving]]) ## 出典 - [[@2024__SOSP__ReCycle - Resilient Training of Large DNNs using Pipeline Adaptation]] - [[@2025__arXiv__FailSafe - High-performance Resilient Serving]]