AI 云原生训练套件

专为训练优化的万卡 HPN 智算集群，集成 veCCL 集合通信优化库与 BCC 拥塞控制算法，同时依托高速文件缓存和弹性缓存，通信和存储全面加速，提升模型训练效能，助力实现 MFU（模型算力利用率）60%+。

集群一键诊断、故障事件通知与自愈、毫秒级观测、全链路健康监测，企业级容错架构保障平均 ETTR（有效训练时长）> 99%。

集成&调优字节开源加速训练框架 veRL，支持 PPO/GRPO 等强化学习算法扩展，无缝衔接多种训推框架。并结合拓扑感知、NUMA 亲和、KEDA 弹性伸缩等调度策略，满足多样训练需求。

一键开启透明埋点，无需额外代码改造。秒级定位强化学习训练过程中智能体、推理引擎、周边服务的链路问题，可视化训练过程数据，为训练的全过程保驾护航。