指南 / 训练 / 微调

大模型训练Checkpoint存储与恢复怎么设计

Checkpoint设计的目标不是多存文件，而是在故障后按约定时间恢复正确状态。本文覆盖状态范围、分布式格式、写入提交、分层存储、保留和恢复演练。