# T. S. Eugene Ng [[Rice University]] の教授。[[@2023__SOSP__Gemini - Fast Failure Recovery in Distributed Training with In-Memory Checkpoints]](SOSP '23)の責任著者(共著者は [[Zhuang Wang]]、Amazon Web Services の Zhen Jia・Shuai Zheng・Zhen Zhang・Xinwei Fu・Yida Wang)。同論文は NSF(CNS-2214272・CNS-1815525)の支援を受けている。Gemini は大規模モデル訓練の障害復旧を、CPU メモリへのチェックポイントと通信スケジューリングで高速化するシステムであり、[[チェックポイント]]・[[耐障害LLM訓練]]の横断知見に、遊休ネットワーク帯域を活用した毎イテレーションチェックポイントという設計系統の起点として位置づけられる。 ## 関連 - ソース: [[@2023__SOSP__Gemini - Fast Failure Recovery in Distributed Training with In-Memory Checkpoints]] - エンティティ: [[Rice University]] / [[Zhuang Wang]] / [[Amazon Web Services]] - 概念: [[チェックポイント]] / [[耐障害LLM訓練]] / [[LLM分散学習]] ## 出典 - [[@2023__SOSP__Gemini - Fast Failure Recovery in Distributed Training with In-Memory Checkpoints]](責任著者・所属)