行业落地arXiv cs.AI4 天前
Deep Reinforcement Learning for HPC Job Scheduling: A Statistical Evaluation
该论文用统计框架评估六种深度强化学习（PPO/A2C/DQN，含/不含动作掩码）在真实 Slurm HPC 作业调度中的表现，并加入掩码随机对照。结果显示同构负载下掩码DRL未显著优于对照，异构负载下MaskablePPO三项指标均改善，最大有界减速比LCFS低22%。强调需用掩码随机基线区分'能跑完'与真实调度收益。