“你只計算一次”：Clockwork 如何終結 AI 訓練重啟

Clockwork 推出 TorchPass 容錯產品和 YOCO 保證，宣稱 90% 的 GPU 叢集故障無需回滾檢查點，透過即時遷移訓練作業到健康 GPU 來避免昂貴的重算。文章分析了當前訓練中斷的成本、TorchPass 的工作原理、兩種模式（模型感知與模型透明）、侷限性以及獨立基準測試結果。