跳到正文
OpenAI News

OpenAI 发布 MRC 网络协议,让超大规模 GPU 集群训练更抗断、更省电

Unlocking large scale AI training networks with MRC (Multipath Reliable Connection)

OpenAI 把自家训练大模型用的网络方案 MRC(多路径可靠连接)通过 OCP 开源了。MRC 解决的是老问题:集群大到一定程度,网络抖动和链路故障会频繁卡死训练任务,GPU 空转烧钱。它的做法是把一次数据传输拆成几百条路径同时发(packet spraying),哪条路断了就在微秒级绕开,不用等全网重算路由。

推荐理由:OpenAI 通过 OCP 开源了训练大模型用的 MRC 网络协议,把一次传输拆成几百条路径并发,链路故障时在微秒级绕开,为自建大规模 GPU 集群的团队提供了一种应对网络抖动与断链的思路。

读原文 ↗导出 Markdown