概述

百舸智能助手是百舸 AI 计算团队提供的基于大模型的全新助手功能。当前百舸智能助手为您提供训练任务排队场景的智能诊断能力，旨在帮助客户分析训练任务正在排队等待的可能原因，并给出指导建议。

基于百舸训练可观测体系的监控指标，结合百舸在大模型领域积累的专家知识经验，通过大语言模型的分析推理能力，进行任务排队原因的根因定位，提供更智能的产品使用体验。

您可以在任务列表页面针对状态为 排队中 的任务，点击 【智能诊断】，唤起百舸智能助手，快速诊断分析任务排队的可能原因。

前提条件

首次使用百舸智能助手，需要完成服务授权操作，允许百舸助手访问资源池内节点的系统日志以及任务元数据、事件等相关数据。

使用限制

• 调度器版本在 1.7.27 以上。
• 当前任务排队超过 10 min 时才可以点击 【智能诊断】 按钮。
• 当前任务如果在 FIFO 队列中，只有队首任务才可以点击 【智能诊断】 按钮。

操作步骤

以下是在百舸控制台进行训练任务排队中智能诊断的步骤：

1. 登录 百舸AI计算平台AIHC控制台。
2. 在左侧菜单栏选择“分布式训练”，进入任务列表页面，当任务处于“排队中”状态超过10min后，可以点击 智能诊断。
3. 点击目标任务操作列中的 【智能诊断】 后，页面会打开诊断浮窗。诊断结果包含任务基本信息、队列额度诊断、节点可用诊断、资源余量诊断 4 类信息，每个一级诊断项下会展示对应的二级诊断项。
4. 在诊断浮窗中展开存在异常的诊断项，可查看推荐操作、帮助文档和详细原因。您可以根据推荐操作和帮助文档处理任务排队问题，也可以继续展开详细原因定位具体配置或资源约束。

详细诊断项列表