# Zhuo Jiang [[Minder]] 論文([[@2025__NSDI__Minder - Faulty Machine Detection for Large-scale Distributed Model Training]])の責任著者(corresponding author)の 1 人。所属は [[ByteDance]] の High-speed Network チーム。ByteDance の RDMA・ネットワーク信頼性研究(R-Pingmesh・Collie 等)に連なる。(Source: [[@2025__NSDI__Minder - Faulty Machine Detection for Large-scale Distributed Model Training]]) [[R-Pingmesh]]([[@2024__SIGCOMM__R-Pingmesh - A Service-Aware RoCE Network Monitoring and Diagnostic System]], SIGCOMM 2024)の共著者 Zhuo Jiang(論文表記は Douyin Vision 所属)と同一人物の可能性が高い。いずれも ByteDance 系のネットワーク研究であり、R-Pingmesh では Douyin Vision 名義。同一人物と推定するが断定はしない。(Source: [[@2024__SIGCOMM__R-Pingmesh - A Service-Aware RoCE Network Monitoring and Diagnostic System]]) [[@2026__EuroSys__Handling Network Faults in Distributed AI Training]](ReCCL、EuroSys '26)でも責任著者(corresponding author)を務める。Minder が machine-level の障害検知を扱うのに対し、ReCCL は last-hop ネットワーク障害からの CCL レベルのフェイルオーバーを扱い、いずれも ByteDance の分散 AI 訓練インフラの耐障害性を、異なるレイヤー(ノード検知 vs 通信路フェイルオーバー)から担う。(Source: [[@2026__EuroSys__Handling Network Faults in Distributed AI Training]]) [[@2022__NSDI__Collie - Finding Performance Anomalies in RDMA Subsystems]](Collie、NSDI '22)の共著者としても参画しており、「未ingest」として予告されていた ByteDance の RDMA・ネットワーク信頼性研究(R-Pingmesh・Collie)が本論文の取り込みにより実際にリンクされた。Collie は RDMA サブシステムの性能異常を探索するツールで、R-Pingmesh(ネットワーク監視・診断)・Minder(machine-level 障害検知)・ReCCL(CCL フェイルオーバー)と合わせ、ByteDance の RDMA/AI インフラ信頼性研究における「事前検証(Collie)→本番監視(R-Pingmesh)→障害検知(Minder)→フェイルオーバー(ReCCL)」という一連のライフサイクルの一角を成す。(Source: [[@2022__NSDI__Collie - Finding Performance Anomalies in RDMA Subsystems]]) [[@2023__NSDI__Hostping - Diagnosing Intra-host Network Bottlenecks in RDMA Servers]](Hostping、NSDI '23)の共著者(ByteDance Inc.所属)としても参画しており、Kefei Liu が筆頭著者・BUPT 主導の研究である点は R-Pingmesh と同型の座組(BUPT + ByteDance)。Hostping はホスト**内**(PCIe・メモリチャネル・UPI)のボトルネック診断、R-Pingmesh はネットワーク(スイッチ〜RNIC 間)の RoCE 監視を扱い、両者は診断対象の層を分けた連続研究とみなせる。上記ライフサイクルに「ホスト内診断(Hostping, 2023)」を加えると、事前検証(Collie)・ホスト内診断(Hostping)・本番ネットワーク監視(R-Pingmesh)・障害検知(Minder)・フェイルオーバー(ReCCL)という、より広い層をカバーする系列になる。(Source: [[@2023__NSDI__Hostping - Diagnosing Intra-host Network Bottlenecks in RDMA Servers]]) Hostping の拡張ジャーナル版([[@2024__TON__Diagnosing End-Host Network Bottlenecks in RDMA Servers]]、IEEE/ACM Transactions on Networking 2024)でも共著者(Douyin Vision Company Ltd. 所属)として参画している。(Source: [[@2024__TON__Diagnosing End-Host Network Bottlenecks in RDMA Servers]]) ## 関連 - ソース: [[@2025__NSDI__Minder - Faulty Machine Detection for Large-scale Distributed Model Training]] / [[@2024__SIGCOMM__R-Pingmesh - A Service-Aware RoCE Network Monitoring and Diagnostic System]] / [[@2026__EuroSys__Handling Network Faults in Distributed AI Training]] / [[@2022__NSDI__Collie - Finding Performance Anomalies in RDMA Subsystems]] / [[@2023__NSDI__Hostping - Diagnosing Intra-host Network Bottlenecks in RDMA Servers]] / [[@2024__TON__Diagnosing End-Host Network Bottlenecks in RDMA Servers]] - エンティティ: [[ByteDance]] / [[R-Pingmesh]] / [[Yangtao Deng]] / [[Minlan Yu]] / [[Xinhao Kong]] / [[Danyang Zhuo]] / [[Yibo Zhu]] / [[Chuanxiong Guo]]