跳到正文
10月21日周三
  1. NVIDIA Blog72

    NVIDIA 扩展开放模型家族,覆盖语言、机器人、生物与量子计算

    NVIDIA 扩展其开放模型家族,覆盖语言、机器人、生物和量子计算,包括新的 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo 和 Ising。

    推荐理由:原文一次性列出语言、机器人、生物、量子多条开放模型线及各自可用渠道,便于读者对照选型。

  2. NVIDIA Blog60

    NVIDIA 扩展 Agent Toolkit,新增 Agent Knowledge Foundation 等组件

    NVIDIA 扩展开源 Agent Toolkit,新增 Agent Knowledge Foundation,并纳入 CUDA-X 库、Nemotron Retriever 与 Kumo 系列开放模型、OpenShell 安全运行时、NemoClaw 蓝图及 NeMo Relay、NeMo Compass 等工具。

    推荐理由:原文列出了 Agent Toolkit 新增组件与企业落地案例,读者可据此判断企业智能体如何在不迁移数据的前提下接入公司数据。

  3. NVIDIA Blog75

    Google Cloud 与 NVIDIA 宣布 Vera Rubin 基础设施正式可用

    Google Cloud 与 NVIDIA 宣布基于 NVIDIA Vera Rubin 的 A5X 实例正式可用,下月上线并计划扩展至欧洲。A5X 整合 Vera Rubin NVL72、ConnectX-9 SuperNICs、Google Cloud Virgo 网络与第四代液冷技术,面向大规模智能体推理与强化学习负载。

    推荐理由:原文给出了 A5X 实例的组成、上线时间与首批客户用法,读者可据此判断这套云上训练推理平台的实际形态。

  4. NVIDIA Blog62

    NVIDIA 在 GTC Berlin 2026 发布 DSX POD、OpenShell 与 Nemotron 等多项产品

    NVIDIA CEO 黄仁勋在 GTC Berlin 2026 主题演讲中发布多项产品,包括由合作伙伴在模块化集装箱内构建的 Vera Rubin AI 工厂参考设计 DSX POD,现场部署时间可从六个月缩短至 14 天。

    推荐理由:黄仁勋在 GTC Berlin 集中发布 AI 工厂、智能体安全运行时与开源模型矩阵,可据此看清 NVIDIA 面向欧洲 AI 经济的整套布局。

  5. AWS Machine Learning Blog34

    Octave 如何在 Amazon Bedrock 上构建安全多租户 AI 基础平台

    Octave 在 Amazon Bedrock 上为质量管理平台 Reliance 构建了多租户 AI 基础平台,用 Cohere Embed v4 完成 20 亿份文档的嵌入,并将单用例部署时间缩短 50%。该平台通过按租户隔离的向量存储、AgentCore Gateway 的隔离执行和两次 Guardrails 过滤,确保客户数据不跨租户边界。首个落地应用是投诉摘要与分诊助手。

  6. AWS Machine Learning Blog34

    在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 实现多语言推理

    针对 GPT-OSS-20B 在多语言推理测试中仅 22% 用目标语言思考的问题,AWS 在 Amazon SageMaker HyperPod 上用 SFT 与 GRPO 进行微调。结论是 SFT 承担大部分工作,GRPO 在仍有提升空间时进一步优化,技术选择需匹配模型能力差距。团队还用 Qwen2.5-7B 做了跨任务对照实验。

  7. AWS Machine Learning Blog34

    用 Amazon Quick 与 Amazon Bedrock AgentCore 构建对话式供应链智能

    AWS 展示用 Amazon Quick 作为对话界面、Amazon Bedrock AgentCore 作为智能层,把企业 MCP 服务器变成可组合工具,让供应链管理者用自然语言跨系统查询并执行操作。演示中一次中断评估返回 75 万美元风险敞口、23 笔订单和三天库存,随后自动生成应急 RFQ,所有变更需指定人员审批。

  8. Microsoft Research15

    微软研究院播客:Catalyst Lab 负责人 Chris White 谈从阿富汗到反人口贩运的技术之路

    微软研究院播客对话 Catalyst Lab 负责人 Chris White,回顾他从 DARPA 项目博士后到在阿富汗领导先进技术行动、再到开发用于打击人口贩运的暗网搜索工具的经历。节目探讨了问题选择在创新中的作用,以及他如何在与人性阴暗面打交道后仍保持希望。

10月20日周二
  1. AWS Machine Learning Blog42

    AWS 新注册体验上线:新用户几步即可进入 SageMaker Studio

    AWS 宣布新客户可通过 Google、GitHub、Apple、Amazon 账号或邮箱在 2–3 步内注册,并自动在约 20 秒内创建好 SageMaker Studio 环境。新客户获 100 美元 Free Tier 额度,覆盖模型定制、训练任务、Studio notebook 与端点部署,还有机会再得 100 美元,多数客户无需信用卡。该体验仅面向新 AWS 账户,老账户登录方式不变。

  2. AWS Machine Learning Blog40

    Amazon SageMaker JumpStart 2026 年回顾:新增 100+ 模型、覆盖 30 家提供商

    Amazon SageMaker JumpStart 在 2026 年 1 月至 9 月新增超过 100 个模型,来自 30 家不同提供商。其中 Alibaba(Qwen)贡献 29 个模型,NVIDIA 贡献 17 个,涵盖 Cosmos3 世界基础模型与 Nemotron 系列。新增模型重点覆盖多模态、图像视频生成以及量化与紧凑模型。

  3. GitHub Blog · AI & ML20

    如何在 VS Code 中继续 GitHub Copilot 应用会话

    GitHub Copilot 应用中的会话可直接在 VS Code 中打开并继续,对话、代码改动和工作上下文都保持不变。VS Code 会以该会话关联的 worktree 打开项目,并在 Copilot 侧边栏显示原会话,便于逐行审查 diff、手动修改、本地运行测试,最后提交并推送到会话对应的 pull request。

  4. AWS Machine Learning Blog58

    AWS 为 vLLM 推出推模式 KV 传输,TTFT 最高提升 3 倍

    AWS 在 vLLM 中贡献了推模式 NIXL KV 连接器,把解码端的块注册与传输准备从关键路径移到预填充侧后台线程。在 1P1D 部署、Amazon EC2 P5en 实例加 EFA 的 Qwen3-32B 基准中,推模式相比拉模式 TTFT 最高提升 3 倍、TPOT 提升约 30%。使用时需将预填充与解码服务配置为 NixlPushConnector,代价是解码实例需在预填充前选定。

  5. AWS Machine Learning Blog42

    Deepgram 如何用 AWS Trainium2 优化大规模语音 AI 推理

    Deepgram 将 Nova-3 语音转文字模型移植到 AWS Trainium2,用于联络中心分析、医疗转写等离线批处理场景,单台 trn2.3xlarge 实例运行 8 个模型副本。在面向吞吐的批处理负载上,该配置每美元处理的音频量比原有算力方案高 11–70%。优化涵盖 PyTorch 移植、NKI 融合内核调优和 Rust 数据并行运行时。

10月18日周日
  1. NVIDIA Blog58

    NVIDIA RTX Spark 笔记本上市,起售价 2399 美元

    NVIDIA RTX Spark 笔记本现已上市,搭载 Blackwell RTX GPU 与 Grace CPU,最高 1 petaflop AI 算力和 128GB 统一内存,起售价 2399 美元。华硕、戴尔、惠普、联想、微软和微星首批推出相关机型,后续还有更多系统。NVIDIA 在柏林、北京、伊斯坦布尔、首尔、旧金山和台北六地举办零售上市庆祝活动,黄仁勋在柏林现场送出五台签名笔记本。

10月17日周六
10月16日周五
  1. AWS Machine Learning Blog60

    Reflection AI 开源智能体编码模型 Beam,AWS 发布部署指南

    Reflection AI 推出开源权重模型 Beam,面向智能体编码与长周期任务,总参数 5010 亿、激活参数 230 亿,Reflection 称有效上下文长度为 100 万 token,权重以 Apache 2.0 许可在 Hugging Face 发布,提供 BF16、FP8、NVFP4 三种 checkpoint。

    推荐理由:原文给出 Beam 的参数量、上下文长度与三种部署路径,可据此判断开源智能体编码模型的落地成本。