FAQ：作业结果是NODE_FAIL怎么办？

NODE_FAIL表示运行节点故障，非用户原因。处理方式：直接重新提交即可，调度器会避开故障节点。

预防措施：训练脚本务必定期保存checkpoint（如每30分钟），重启脚本支持--resume参数，可将损失控制在半小时内。

同一作业连续两次NODE_FAIL请反馈至hpc@qmnu.edu.cn，并附sacct -j <jobid>输出。