arXiv · cs.AI· Justin M. Cheney, Clement N. Nyirenda·· 6 小时前
DRL用于HPC作业调度的统计评估：掩码与基线比较
Deep Reinforcement Learning for HPC Job Scheduling: A Statistical Evaluation
arXiv:2610.21008v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Justin M. Cheney, Clement N. Nyirenda
研究任务与主要进展
Justin M. Cheney与Clement N. Nyirenda比较PPO、A2C和DQN在有掩码与无掩码条件下进行HPC作业选择的效果，并以三种启发式算法和种子配对的掩码随机对照为基线，基于论文摘要报告了十个种子和两个真实Slurm工作负载的统计结果。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org