NVIDIA 通过 NVIDIA Attribution 诊断分布式 AI 工作负载故障

NVIDIA Attribution 可帮助识别分布式 AI 工作负载中错误的根源，避免仅凭报告异常判断故障起点。该工具能分析 GPU 或 fabric 事件引发的 NCCL 错误、调度器状态变化及大量下游消息。NVIDIA 在开发者博客中展示了如何基于样本工作负载证据运行该工具。