跳到正文
10月13日周二
10月12日周一
  1. NVIDIA Blog62

    NVIDIA 在 OCP 峰会开放 Vera Rubin 架构并发布 MGX 1.2 等多项 AI 工厂标准

    NVIDIA 在 OCP Global Summit 上通过开放 MGX 架构向 OCP 贡献了 Vera Rubin 机架与计算托盘设计,为系统厂商提供下一代 AI 工厂基础设施的共同基础。

    推荐理由:NVIDIA 在 OCP 峰会上开放 Vera Rubin 机架设计与 MGX 1.2 规范,读者可了解 AI 工厂基础设施的开放标准走向。

10月10日周六
10月9日周五
10月8日周四
  1. AWS Machine Learning Blog32

    Amazon Quick 与 Amazon Bedrock 如何用实时 ACL 重构 RAG 访问控制

    Amazon Quick 与 Amazon Bedrock Knowledge Bases 在预检索 ACL 过滤之外新增实时 ACL 校验,在查询时直接向权威数据源核实权限,避免依赖可能过期或映射错误的 ACL 数据。该方案分两阶段:先用索引中已存的 ACL 做语义检索筛选候选文档,再通过 Google Drive API 等实时验证,未授权文档不会进入 LLM 上下文。

  2. NVIDIA Blog78

    NVIDIA 与 Microsoft 发布 RTX Spark 笔记本及 Windows 智能体基础设施

    NVIDIA 与 Microsoft 在旧金山 Windows AI and Surface 活动上宣布为 Windows PC 的 AI 智能体共同设计软硬件,Microsoft 宣布 OS 级基础设施 Microsoft Execution Containers(MXC)正式可用,让智能体在系统控制下安全持久地在后台运行。

    推荐理由:NVIDIA 与 Microsoft 把智能体运行所需的系统级容器和本地算力硬件一并给出,读者可据此判断 Windows 端侧智能体的落地路径。

  3. GitHub Blog · AI & ML60

    GitHub 推出基于 ModernBERT 的密钥检测模型,将 push 保护扩展到非结构化密钥

    GitHub 发布与 Microsoft Applied Sciences 联合微调的 ModernBERT 分类器,用代码上下文识别数据库密码、Kubernetes Secret、Dockerfile 等非结构化密钥,可在 2 毫秒内评估一批候选密钥,官方称有望让可拦截的密钥数量翻倍以上。

    推荐理由:GitHub 用九个季度的数据说明密钥泄露与代码量同步增长,并给出把检测前移到 push 环节的模型方案。

  4. Microsoft Research71

    微软研究院开源 Agent Lightning v1.0:3500 行代码的轻量级 Agentic RL 框架

    微软研究院开源 Agent Lightning v1.0,一个约 3500 行代码的轻量级 Agentic RL 框架,提出 Harnessed Agentic RL 训练范式,让部署时使用的同一 agent harness 直接参与强化学习,无需在训练框架内重新实现智能体。

    推荐理由:微软研究院开源 3500 行代码的 Agent RL 框架,读者可了解用真实 harness 训练智能体的轻量方案与实测增益。

10月7日周三
  1. AWS Machine Learning Blog42

    Cornerstone OnDemand 如何用 Amazon Bedrock 将数据库诊断时间缩短 78%

    Cornerstone OnDemand 基于 Amazon Bedrock 和开源智能体编排框架 Strands Agents 构建多智能体系统 Orion AI,将数据库诊断时间从 45 分钟降至 10 分钟,减少 78%。该系统还把手动生命周期步骤从 10 步以上压缩为 1 次交互(减少 70%),并将冗余告警中位数削减 65%,由三人团队在六个月内交付。

  2. Google DeepMind71

    Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2,一个基于 Gemma 4 架构、采用 Apache 2.0 许可的开源多模态嵌入模型,参数量 740M,可将文本、图像、音频和视频映射到统一嵌入空间。

    推荐理由:官方给出 740M 参数、模块化编码器与量化后内存占用,可据此判断端侧多模态检索的落地门槛。