Straggler

定义：因硬件、散热、网络或软件原因运行显著慢于其他节点的进程，在同步训练中决定整体速度。

关键数字：同步训练无摊薄——一个节点慢 10%，全集群慢 10%；检测靠按节点分解 step 时间，处理三板斧：确认（隔离重测）→ 隔离（踢出）→ 预防（锁频 + 性能基线）。