Together GPU 集群自动修复：从 GPU 故障到健康节点

Together 详解其 GPU 集群自动修复系统：被动健康检查同时监控 VM 内部与宿主机，发现故障后推荐最轻量修复动作并附证据。修复策略默认"修复前审批"，可切换为全自动并按 Xid 代码逐项授权，等待空闲默认上限 2 小时、最高 24 小时。被动健康检查、修复推荐、自动修复策略、API 与控制台修复已正式可用，基于节点标签的修复契约处于预览阶段。