像全班同时交卷，大模型训练中的许多加速器也会在每一步结束时集中交换数据，并等最慢的一方到齐。光数据中心网络的部分连接调整比电子交换慢；若等洪峰或故障已经发生再处理，昂贵的计算设备只能原地空等。Halley因此把控制平面——决定网络怎样连接的“大脑”——改成预测式：提前安排光交换连接、激光器备用资源和器件调节；预测不可靠时，则退回现有策略。
论文最值得注意的发现是，备用激光器并非越堆越稳。同一封装中的激光器共享散热和供电，可能一起失效；作者证明，在固定备用比例下，这种相关故障会给可用性设下上限，扩大资源池也无法消除。按论文的仿真与数学模型，在压力测试设定下，Halley把“有效集群吞吐”——理想算力中真正完成工作的比例——从65.2%提高到76.5%；但若只计算失效通道损失，则仅到67.4%。这说明主要收益来自更保守的备用资源规划，而不只是预测通信节奏。结果尚基于模拟，真实生产网络中的收益仍待验证。