面向大模型场景的任务执行方法、装置、设备及介质

本公开提供了面向大模型场景的任务执行方法、装置、电子设备、存储介质以及程序产品，涉及人工智能技术领域，尤其涉及大模型训练、大模型推理技术领域、超大规模集群以及服务器故障排查和故障修复技术领域。具体实现方案为：响应于确定目标任务执行超时，从分布式设备集群中确定用于执行目标任务的设备链路，设备链路包括多个设备，设备包括不同类型的多个设备单元；获取设备链路的设备通信状态信息；基于设备通信状态信息，从设备链路中确定故障设备；基于故障设备的多个设备单元各自的单元状态信息，确定故障单元；以及基于与故障单元的单元类型相匹配的修复方式对故障设备进行修复，以利用修复后设备执行目标任务。