跳到正文
只看一手#部署/工程
10月6日周二
  3. AWS Machine Learning Blog22

    Amazon SageMaker HyperPod 管理与治理最佳实践

    AWS 介绍如何通过 SageMaker Unified Studio 管理 SageMaker HyperPod 集群，在让 ML 团队从项目工作区提交任务的同时保留底层治理控制。文章提出组织、项目、集群、工作负载四层控制模型，分别对应身份、容量与可观测性策略，并强调 HyperPod 连接不会取代 IAM、Amazon EKS 或 Slurm 原有控制。

  5. AWS Machine Learning Blog60

    GLM 5.3 上线 Amazon Bedrock

    智谱（Z.ai）的 GLM 5.3 已在 Amazon Bedrock 上线，这是一个 753B 参数的 MoE 模型，面向编码和长程智能体任务优化。Bedrock 提供全托管 API、跨区域推理、提示词缓存和服务层级，支持 OpenAI 兼容的 Responses 与 Chat Completions API 以及 Invoke 和 Converse API。

    推荐理由：GLM 5.3 以 753B MoE 模型上线 Amazon Bedrock，读者可了解其编码与长程智能体能力及托管接入方式。

  6. AWS Machine Learning Blog34

    用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性与有用性

    Amazon Bedrock AgentCore Evaluations 支持内置与自定义评估器，可衡量多智能体系统的准确性、任务成功率和行为表现，并首次将可解释性作为一等评估维度。内置评估器覆盖有用性、任务成功、指令遵循等通用维度，自定义评估器则可校验决策依据、数据引用与成本和服务水平等权衡。该能力支持按需模式用于开发基准与 CI/CD 门禁，在线模式用于生产持续监控与告警。

10月3日周六
10月2日周五
  1. AWS Machine Learning Blog31

    用 Amazon Quick 和 Adjudicated Query 模式批量核查数千份租约合规性

    AWS 提出 Adjudicated Query 设计模式，让业务用户在 Amazon Quick 聊天界面提问合规问题，实际判定交由确定性规则引擎完成，模型只负责把自然语言转为固定类型操作并叙述结果。该模式通过完整性回执保证"已扫描 = 合规 + 违规 + 模糊 + 不可读"，并保留规则版本、条款文本、方法与日期等可辩护记录，适用于租约合规、制裁筛查、保险理赔等高风险场景。

  3. AWS Machine Learning Blog60

    在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体

    AWS 团队介绍如何用 Amazon SageMaker AI 的多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，仅调整 max_epochs、global_batch_size、rollout_max_concurrency 三个超参数，其余走默认值。

    推荐理由：AWS 团队公开了用多轮 RL 微调搜索智能体的完整配置与四个基准的对比数据，可据此评估该方法在自有检索场景的迁移成本。

  4. Google Research62

    Google 发布基于 TEE 的新一代联邦学习系统

    Google 宣布新一代联邦学习系统，利用可信执行环境（TEE）为数据匿名化提供可验证、可审计的保证，并已由 Gboard 采用。系统通过访问策略公开透明日志 Rekor、KMS 密钥管理与可复现构建，让外部审计者能核查服务端实际运行的代码。Gboard 已用该系统上线英语和日语下一词预测模型，训练瓶颈从设备端转移到服务端，计算时间较此前系统显著加快。

    推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，并给出 Gboard 已上线的落地情况，可了解隐私可验证训练的实现路径。

  5. NVIDIA Blog62

    NVIDIA DGX Spark 推出 64GB 版本，支持双机集群扩展本地 AI

    NVIDIA 将于本月通过 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 推出 64GB 统一内存版 DGX Spark，10 月 23 日开售，起售价 4,999 美元，保留 GB10 Grace Blackwell 超级芯片、DGX OS 和完整 NVIDIA AI 软件栈，支持最高 1000 亿参数模型在设备本地运行。

    推荐理由：原文给出 64GB 新配置的定价、上市时间与双机集群方式，读者可据此判断本地跑大模型的硬件门槛。

  6. Hugging Face Blog42

    ServiceNow CoreAI 推出 AutoSynthData：为企业智能体生成训练数据

    ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例与更强教师的成功示范，定位能力缺口并生成、验证新的可执行训练任务，随模型提升动态调整课程。该流程在 EnterpriseOps Gym 数据集上进行了演示，生成的任务需满足可行性、真实性与难度三项属性，验证器则要求一致性、可靠性与完备性。

  11. AWS Machine Learning Blog34

    用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆

    NVIDIA NeMo Agent Toolkit（NAT）可通过实现 MemoryEditor 插件接口，将 Amazon S3 Vectors 接入为自定义持久记忆后端，单索引支持最多 20 亿向量。NAT 是开源、框架无关的智能体构建与优化框架，已内置 Mem0、MemMachine、Redis、Zep 四种记忆提供方，此次方案以多智能体投资研究为示例，部署在 Amazon EKS 上。

10月1日周四
  1. NVIDIA Blog15

    NVIDIA AI 工厂如何实现投资回报最大化：高产出、长寿命、通用性

    NVIDIA 提出 AI 工厂投资回报取决于三个要素：每兆瓦产出能力、硬件使用寿命和 token 需求，并以产出、耐用、通用三大特性对应。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐量比 GB300 NVL72 高 30 倍以上，在 DeepSeek V4 Pro 上每百万 token 成本低至 45 倍。

9月30日周三
  1. NVIDIA Blog60

    NVIDIA 与 CoreWeave 将 Vera Rubin NVL72 投入生产，Cognition 为首家客户

    CoreWeave 宣布在 CoreWeave Cloud 上线 NVIDIA Vera Rubin NVL72 系统与 Spectrum-X 102.4T 以太网网络，成为首批向客户交付该平台的云厂商之一，Cognition 是首个在生产环境运行 Vera Rubin 的客户。

    推荐理由：CoreWeave 上线 Vera Rubin NVL72 并公布 Devin 实测吞吐数据，可据此判断智能体编码负载的算力成本走向。

9月28日周一
  1. Mistral AI42

    Mistral 在慕尼黑开设德国中心，推进工业 AI 与 Physics AI

    Mistral 在慕尼黑开设德国中心，组建专注 Physics AI 与工业 AI 的研究团队，并计划到 2030 年建成 1 吉瓦欧洲算力。该中心将与 BMW 合作碰撞仿真与工程 AI、与 Siemens Energy 合作工业 AI 应用，并与慕尼黑工业大学（TUM）合作利用风洞设施开发汽车空气动力学数字孪生。Mistral 强调其开放权重架构让模型在客户自有基础设施上运行，数据不出组织。

  2. Hugging Face Blog71

    H 公司发布 Holo4 系列智能体模型，含 27B 与 35B-A3B 两个版本

    H 公司发布 Holo4 系列智能体模型，包含 27B dense 和 35B-A3B MoE 两个版本，均已上线 H Models API，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 格式开源在 Hugging Face，同时发布基于 Nemotron 3 Nano Omni 的 Holotron4 Nano。

    推荐理由：Holo4 同时支持 GUI、代码、MCP 与 API 四种接口，并公开全部评测轨迹，读者可据此判断通用计算机智能体的成本与能力边界。

9月24日周四
  3. GitHub Blog · AI & ML22

    GitHub Copilot 应用如何渲染超大 pull request

    GitHub Copilot 应用重建了 pull request 视图，用一个含 2,200 个文件、超 100 万行改动和 400 多条行内评论的开源 PR 做压力测试。其做法是把文档高度拆成确定性的代码几何与动态评论块两套体系：代码行高提前算好，评论高度按块懒测量、以文件和行号锚定，避免滚动跳变。

  4. Microsoft Research62

    微软研究院：将物理 AI 推理卸载到边缘或云端可提升机器人性能与续航

    微软研究院对移动操作机器人工作负载做了系统性测量，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU 能提升任务成功率、支持更大模型并延长续航。

    推荐理由：微软研究院系统测量了机器人端侧 GPU 推理的瓶颈，并给出可复用的 Kubernetes 卸载工具链，读者可据此判断物理 AI 的部署取舍。

  5. Google DeepMind62

    Google DeepMind 为 Private AI Compute 引入服务端持久记忆

    Google DeepMind 公布 Private AI Compute 的新技术更新，将为其平台带来私有化的服务端持久记忆，实现跨设备的长期上下文连续性。该架构把数据封存在加密存储中，解密密钥仅保留在用户个人设备上，模型需要访问时通过端到端加密通道连接受信任执行环境，在隔离内存中临时解密、处理并立即重新加密。

    推荐理由：原文说明了云端持久记忆如何用设备端密钥与安全隔离环境兼顾跨设备连续性与隐私，读者可据此判断个人 AI 助手的记忆架构走向。

9月19日周六
9月17日周四
  1. GitHub Blog · AI & ML82

    GitHub 用 Copilot 把 Copilot 运行时迁移到 Rust

    GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust，AI agent 写了其中大部分代码，分布在 128 个合入 main 的 PR 中并增量发布。

    推荐理由：作者以亲历者身份给出把 Copilot 运行时从 TypeScript 迁到 Rust 的完整工程细节，可迁移到大规模 agent 协作开发。

9月10日周四
  1. Mistral AI36

    Cloudera 与 Mistral 达成合作，将主权 AI 引入企业数据平台

    Mistral 与 Cloudera 建立合作，将 Mistral 模型集成进 Cloudera 混合数据平台，企业可在私有云、公有云、本地及完全气隙环境中部署推理并保持完全控制。企业还能在受控环境中用专有数据训练自有模型，数据与模型权重归企业所有。Cloudera 平台承载 30 exabytes 客户自管数据。

9月9日周三
  1. Mistral AI60

    Mistral 用 AI 智能体迁移 4 万行 Fortran 77 遗留代码

    Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 的油藏模拟器迁移到 C++，该代码库没有测试套件和集中文档。团队先搭建数值对齐校验框架，用自定义解析器生成调用树并让上百个智能体结合 Mistral OCR 补文档，再以规划、编码、测试、审查的智能体工作流逐模块迁移，并保留人工审核环节。

    推荐理由：Mistral 公开了用智能体迁移 4 万行 Fortran 的完整流程，其中先建数值对齐校验、再让智能体文档化的做法可迁移到其他遗留系统改造。

8月21日周五
  1. Microsoft Research42

    微软 Skala 1.1 发布：训练数据增至 2.5 倍，并集成进 CP2K 等主流 DFT 软件

    微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据量为此前公开版本的 2.5 倍，在 GMTKN55 基准 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正集成进 Psi4、FHI-aims、ORCA 和 VASP。微软同时推出持续更新的 living benchmark，追踪后续 Skala 版本的计算性能。