➀ NVIDIA Attribution 是一款开源工具，用于关联工作负载范围的日志、指标、遥测数据和调度器状态，以诊断分布式 AI 故障；

➁ 该系统由两个可部署组件组成：提供核心引擎 REST API 的 Attribution Service，以及连接调度器和遥测源的 Python 指挥器 Attribution Blueprint；

➂ 支持多种连接器，包括 Slurm 和 Kueue 调度器，以及 Loki、Kubernetes Pod 日志和 PromQL 指标等日志与指标后端；

➃ 在 NVIDIA 生产环境中，该系统每周分析数百万个工作负载，涉及数十万台 GPU，帮助团队识别包括端口错误在内的 fabric 失败模式；

➄ 诊断流程分为四个阶段：范围界定、收集观察、通过确定性规则提取和关联事件，以及返回结构化结果；

➅ 系统能够区分根本原因和下游症状，例如将 NVLink 信号完整性问题识别为主要故障，同时保留 NCCL 错误作为支持性证据；