# Yibo Zhu [[Microsoft]] および UC Santa Barbara(University of California, Santa Barbara)に所属した研究者。SIGCOMM 2015 の DCQCN 論文([[@2015__SIGCOMM__Congestion Control for Large-Scale RDMA Deployments]])の筆頭著者。 ## 主な貢献 - [[@2015__SIGCOMM__Congestion Control for Large-Scale RDMA Deployments]]: DCQCN の設計・評価を主導。流体モデルによるパラメータ最適化を含む。 - [[@2019__NSDI__Tiresias - A GPU Cluster Manager for Distributed Deep Learning]]: Microsoft 本番クラスタのトレースを提供し、GPU クラスタスケジューラ [[@2019__NSDI__Tiresias - A GPU Cluster Manager for Distributed Deep Learning|Tiresias]] の共著者として参画。当時 Microsoft および [[ByteDance]] に所属。 - [[@2022__NSDI__Collie - Finding Performance Anomalies in RDMA Subsystems]]: [[ByteDance]] 所属として、RDMA サブシステムの性能異常を体系的に発見するツール Collie の共著者に参画。DCQCN(2015)・RDMA over Commodity Ethernet at Scale(2016)の輻輳制御・展開研究に続き、RDMA ハードウェアサブシステムの性能異常探索という新しい角度からの貢献。 - [[@2024__OSDI__DistServe - Disaggregating Prefill and Decoding for Goodput-optimized Large Language Model Serving]]: [[StepFun]] 所属として、LLM 推論の [[Prefill-Decode分離]] システム [[DistServe]] の共著者として参画。 - [[@2026__arXiv__Don't Predict, Prioritize - Rethinking GPU Reliability Assessment]]: [[StepFun]] 所属として、GPU 障害予測の限界を実証しリスクランキングモデル HeaRank を提案する研究の共著者として参画。GPU クラスタスケジューリング(Tiresias)・LLM 推論システム(DistServe)に続き、GPU ハードウェア信頼性という 3 つ目の研究軸に加わった。 - [[@2026__KDD__TSLoc - Self-Supervised Faulty Node Localization Framework in Large-scale Training Clusters]]: [[StepFun]] 所属として、教師なし逸脱検知で障害ノードを瞬時に特定するフレームワーク TSLoc の共著者として参画。HeaRank(予知的リスクランキング)に続く GPU/分散訓練信頼性研究の2本目。 ## 関連 - ソース: [[@2026__arXiv__Don't Predict, Prioritize - Rethinking GPU Reliability Assessment]] / [[@2026__KDD__TSLoc - Self-Supervised Faulty Node Localization Framework in Large-scale Training Clusters]] / [[@2024__OSDI__DistServe - Disaggregating Prefill and Decoding for Goodput-optimized Large Language Model Serving]] / [[@2019__NSDI__Tiresias - A GPU Cluster Manager for Distributed Deep Learning]] / [[@2015__SIGCOMM__Congestion Control for Large-Scale RDMA Deployments]] / [[@2022__NSDI__Collie - Finding Performance Anomalies in RDMA Subsystems]] - 所属: [[Microsoft]] / [[ByteDance]] / UC Santa Barbara / [[StepFun]] - 共著者: [[Chuanxiong Guo]] / [[Jitendra Padhye]] / [[Daniel Firestone]] / [[Ming Zhang (Microsoft Research)]] / [[Juncheng Gu]] / [[Mosharaf Chowdhury]] / [[Changhua Pei]] / [[Gaogang Xie]] / [[Xinhao Kong]] / [[Danyang Zhuo]] - 関連概念: [[データセンター輻輳制御]] / [[RDMA]] / [[GPUクラスタスケジューリング]] / [[GPUレジリエンス]]