Meta 论文：推荐系统训练中仅 50-60% 时间真正在训练

Meta 在 arXiv 发文称，最大规模推荐系统训练集群（数千 GPU、日处理数百亿样本）仅 50-60% 端到端时间用于训练新数据。论文提出 ETT% 指标量化损失时间并定位到可独立归属的基础设施组件。优化涵盖 trainer 初始化通信消除、异步 checkpointing，实际集群验证 ETT% 全面提升。