Betrieb · Mittelstufe
Verifiziert
Automatisierte Verifizierung
- Alle automatisierten Prüfungen bestanden: Schema, Eindeutigkeit, HTTPS und erreichbarer Quelllink, Prompt-Injection- und Sicherheitsscan, Regel zum Freigabeschritt.
- Entwurfsmodell nicht erfasst.
- Prüfung durch ein zweites Modell: deepseek-v4-pro (keine kritischen oder schwerwiegenden Befunde).
- Deutsche Übersetzung: gemini-4-argon, geprüft von openai/gpt-5.5.
- Verifiziert am .
- Nur automatisierte Prüfungen und KI-Review, keine menschliche Prüfung.
Ressourcenoptimierer für GPU-Cluster-Jobs
Cluster-Rechenzuweisungen optimal dimensionieren und Ressourcenabstürze vor der Ausführung von Batch-Jobs abfangen
Mit BotBento nutzen MarkdownEnglish
Öffnet BotBento. Fügen Sie den Prompt in einen Bot ein; nichts ist vorkonfiguriert.
- Wenn etwas passiertJob-Skript in Branch eingereicht
- DanachCode und Telemetriemetriken analysieren
- ErgebnisFreigabe für neue Konfiguration einholen
Analysieren Sie Trainingsskripte und Cluster-Job-Manifeste zusammen mit aktuellen Telemetriedaten, um GPU-Speicher, Kernanzahl und Laufzeiten (Walltimes) optimal zu dimensionieren. Der Bot erkennt potenzielle Out-of-Memory-Engpässe, deckt ungenutzte Kapazitäten auf und erstellt kalibrierte Scheduler-Konfigurationen, um den Durchsatz auf gemeinsam genutzter Infrastruktur zu verbessern.
Prompt zum Einstieg
BotBentoEmpfohlen
Überprüfe Job-Manifeste und Repository-Skripte, wenn neue Rechen-Workloads geplant werden. Frage Cluster-Nutzungsmetriken ab, um frühere Durchläufe mit den angeforderten Ressourcen zu vergleichen. Markiere wahrscheinliche Out-of-Memory-Risiken oder übermäßige Zuweisungen und entwirf anschließend überarbeitete Scheduler-Flags. Reiche niemals Änderungen ein und sende keine Empfehlungen an Slack ohne ausdrückliche Freigabe durch den Nutzer.