训练集合通信带宽监控 - 百度百舸 · AI计算平台 | 百度智能云文档
集合通信带宽=集合通信传输数据量 / 集合通信完成时间，统计的是整个集合通信期间的平均带宽 单次集合通信数据量 单次集合通信传输的数据量 集合通信带宽监控（GPU维度） 集合通信带宽（avg/max） 训练过程中，通信组中GPU维度的集合通信带宽平均值/最大值。
在线标注 - 百度千帆·大模型服务及Agent开发平台
在线标注 目录 什么是自动标注 标注文本生成类数据 标注图像生成类数据 平台提供数据标注功能：在您选择数据集后，平台会根据不同的数据格式，跳转至与之对应的数据标注工作台。 登录到 本平台 ，在左侧功能列选择 在线标注 ，进入在线标注主任务界面。
删除训练任务 - 百度百舸 · AI计算平台 | 百度智能云文档
请求参数 参数名称 类型 是否必须 参数位置 说明 resourcePoolId String 是 Query参数 标识资源池的唯一标识符 jobId String 是 Path 参数 训练任务ID 返回头域 除公共头域外，无其他特殊头域。
停止训练任务 - 百度百舸 · AI计算平台 | 百度智能云文档
请求参数 参数名称 类型 是否必须 参数位置 说明 resourcePoolId String 是 Query 参数 标识资源池的唯一标识符 jobId String 是 Path 参数 训练任务ID 返回头域 除公共头域，无其它特殊头域。
什么是KTO训练 - 百度千帆·大模型服务及Agent开发平台
客观真实 ：普通强化学习训练，人类主观意识干扰过多，KTO训练可以使模型服务在符合人类预期的基础上，做到更加的客观和真实。 工作步骤 KTO微调包含以下两个步骤： 数据集收集：Prompt+Chosen/Rejected数据集， 样例下载 。
Checkpoint异步加速工具 - 百度百舸 · AI计算平台 | 百度智能云文档
Checkpoint异步加速工具 产品介绍 Checkpoint异步加速工具是基于Megatron训练框架，利用模型信息转储、模型对象反序列化等技术，近0开销的模型保存机制，实现大模型训练全过程精度无损的模型保存与恢复。 如何使用 使用限制 1）内存占用：单机所有GPU卡的Checkpoint内存会优先保存在内存，因此对于千亿参数规模模型建议预留200G内存以上。
训练任务生命周期 - 百度百舸 · AI计算平台 | 百度智能云文档
训练任务生命周期 本文将详细介绍分布式训练任务以及实例状态，帮助您更好的理解任务的运行状况 实例状态 状态 说明 排队中 Pod 已经被创建，但是还没有被调度到节点上 启动中 Pod 已经被调度到节点，在镜像拉取、存储挂载、创建容器等过程。
训练任务性能劣化（slow）诊断 - 云监控BCM | 百度智能云文档
接下来，我们可以查看异常rank列表，列举出了多个有异常特征的Rank，其中有1个Rank的异常行为明显，系统对其特别标注为疑似故障Rank。 进一步地，我们可以查看故障Rank在异常特征上对应的指标数据，发现其数据表现确实存在异常。 例如，故障Rank的SM利用率指标存在明显的离群异常行为。 结合报告中的以上分析，我们可以参考报告结论，重点检查该Rank并解决故障。
发起训练任务失败诊断 - 百度百舸 · AI计算平台 | 百度智能云文档
批量大小过大：如果你在训练时使用的批量大小（batch size）太大，每个批次的数据可能会占用太多的内存。3. 内存泄漏：代码中可能存在内存泄漏，即不再需要的数据没有被及时释放，导致内存逐渐耗尽。4. 多任务并发：可能有其他进程也在使用GPU内存，导致可用内存减少。5. 不正确的内存管理：在某些情况下，即使在GPU上释放了内存，由于某些原因（如缓存机制），这些内存可能没有被立即回收。
开放标注动作 - 客悦智能客服企业版 | 百度智能云文档
页面F12可查） clusterId string 是 聚类Id（需标注的数据的聚类id，页面F12可查） source string 是 当前匹配来源 null:未匹配；task_base: 任务式会话；faq: 问答；chat : 闲聊；clarity ： 澄清；（需标注的数据的来源，页面F12可查） typeId string 是 当前匹配的数据Id,比如匹配问答，就是标准问Id typeIdValue
