DRL用于HPC作业调度的统计评估：掩码效果因负载而异

Justin M. Cheney 与 Clement N. Nyirenda 在 arXiv 预印本（arXiv:2610.21008）中统计评估了深度强化学习用于 HPC 作业调度：比较 PPO、A2C、DQN 三种方法在有掩码与无掩码条件下的作业选择表现，以三种启发式算法和种子配对的掩码随机对照为基线，基于十个种子和两个真实 Slurm 工作负载报告统计结果。 结果显示掩码效果因负载而异：在异构 trace 上，MaskablePPO 相对掩码随机对照改善了全部三项指标；但在同构 trace 上，没有任何带掩码的 DRL 方法在平均等待时间或平均与最大 bounded slowdown 上显著优于对照。以上结果基于论文摘要报告，未声称 DRL 全面优于启发式基线。

AI 根据报道生成 · 4 小时前更新