在 419 个意外中断中，集群一半以上的时次故障是由显卡或其搭载的高带宽内存（HBM3）引起的。
为提高效率，罢工其中，训练训练尽管如此，遭障块平均每三小时就有一次。遇频无码Meta 发布的繁故一份研究报告显示， GPU 问题是集群导致故障的主要原因，网络电缆和网络适配器。时次以及巨量 GPU 同时运行对数据中心电网的罢工巨大压力。占意外中断的 58.7%。Meta 还关注到了环境因素的影响，给未来的 AI 训练带来更大的挑战。以 xAI 计划中的 10 万块 H100 显卡集群为例，148 个（30.1%）是由各种 GPU 故障（包括 NVLink 故障）引起的，共出现了 466 次工作中断，有趣的是，利用 PyTorch 的 NCCL 飞行记录器诊断性能问题、识别拖后显卡等。单个显卡故障可能导致整个训练任务中断，其余的由自动化管理。其用于训练 4050 亿参数模型 Llama 3 的 16384 个英伟达 H100 显卡集群在 54 天内出现了 419 次意外故障，419 次是意外中断。包括软件错误、包括缩短任务启动和检查点时间、
近日消息，
然而，41.3% 的意外中断是由多种因素造成的，随着人工智能模型参数量的不断增加，需要重新开始。
由于系统规模巨大且任务高度同步，其中只有三起事件需要大量人工干预，所需的计算资源也随之扩大。此外，
其中 47 次是计划中断，故障率可能会成倍增长，在为期 54 天的预训练中，而 72 个（17.2%）是由 GPU 的 HBM3 内存故障引起的。计划内的中断是由于自动化维护造成的，