跳到正文
10月22日周四
  1. Hugging Face Blog一手

    NVIDIA Kumo Relational 发布:预训练关系基础模型在关系数据上无需训练即可预测

    NVIDIA 发布 Kumo Relational,这是一个预训练的关系基础模型,可直接在企业数据库上进行预测。它无需任务特定训练、特征工程或表展平,通过单次前向传递即可预测流失率、需求或欺诈等结果。

    阅读原文 来源:Hugging Face Blog

    推荐理由原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

10月21日周三
  1. Hugging Face Blog一手

    RFD4-Proteina 融合序列与结构生成,提供浏览器端可视化与思考级别设计能力

    NVIDIA 与华盛顿大学联合开发的 RFD4-Proteina 模型现已在 Hugging Face Spaces 提供。该模型将蛋白质序列和全部原子结构生成合并为单一流匹配模型,用户可在浏览器中直接通过供例输入并设置思考级别(低/中/高)进行设计,生成的结构和序列会围绕目标热点进行条件生成。

    阅读原文 来源:Hugging Face Blog
  2. Hugging Face Blog一手

    SimReady Central: Hugging Face 开放 2000 多 OpenUSD 3D 资产库

    Hugging Face 推出 SimReady Central Library,提供 2000+ 预处理好的 OpenUSD 3D 资产,旨在加速机器人和 AI 工厂数字孪生的训练与仿真。该库涵盖机械臂、抓手、仓储设施及冷却基础设施等,开发者可按特定 profile 筛选并组合资产,OEM 可通过提交 CAD 模型贡献资产,从而实现更快的场景搭建与决策加速。

    阅读原文 来源:Hugging Face Blog
  3. AWS Machine Learning Blog一手

    AWS 发布从加拿大通过跨区域推理访问 OpenAI GPT-5.6、GPT-6、GPT-6.1 的技术指南

    AWS 宣布从加拿大 (Central) 和 Canada West (Calgary) 地区通过跨区域推理访问 OpenAI GPT-5.6、GPT-6、GPT-6.1 系列模型。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文提供了从加拿大通过跨区域推理访问 OpenAI GPT-5.6、GPT-6、GPT-6.1 的完整技术指南,包括模型定位、配额管理、权限设置及 API 调用示例,读者可直接用于部署和配置。

  4. AWS Machine Learning Blog一手

    Octave 在 Amazon Bedrock 上构建安全多租户 AI 基础设施

    Octave 利用 Amazon Bedrock 和 Cohere Embed v4 构建了支持 20 亿文档的多租户 AI 基础设施。系统在嵌入时统一处理文本和图像,通过 AgentCore runtime 在微 VM 层面实现租户隔离,并使用 Guardrails 进行内容过滤。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文展示了如何在多租户 SaaS 平台上用 Amazon Bedrock 构建安全的 AI 基础设施,提供了从数据准备、隔离到内容防护的完整技术路线,读者可直接学习其多模态嵌入、微服务隔离和 Guardrails 等实践方法。

  5. AWS Machine Learning Blog一手

    Eon 利用 Amazon Bedrock AgentCore MCP Gateway 实现跨云调查工具统一访问

    Eon 利用 Amazon Bedrock AgentCore MCP Gateway 统一了跨云(AWS、GCP、Azure)的调查工具访问。该方案通过单一认证网关替代了每个工具的凭证和本地 MCP 进程,开发者和自治代理仅凭企业 SSO 即可在两分钟内访问数百种工具,此前需配置两天。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文展示了如何用 Amazon Bedrock AgentCore MCP Gateway 统一跨云工具访问,通过 Cedar 策略实现身份分离和最小权限控制,并将开发者和代理的入门时间从两天缩短至两分钟,提供了具体的技术实现路径和成果。

10月20日周二
  1. AWS Machine Learning Blog一手

    Amazon Bedrock 为 Anthropic Claude 模型提供结构化输出功能

    Amazon Bedrock 为所有 Anthropic Claude 模型提供结构化输出功能,通过 JSON Schema 约束模型输出,无需自行解析即可获取合法 JSON。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由Amazon Bedrock 为所有 Anthropic Claude 模型提供了结构化输出功能,通过 JSON Schema 约束模型输出,无需自行解析即可获取合法 JSON,显著降低了数据提取和 Agent 工作流的运维成本。

  2. Hugging Face Blog一手

    TorchNeuran:在 AWS Trainium 上更轻松运行 Hugging Face 模型

    TorchNeuron 作为 PyTorch 的新原生后端,现已在 AWS Trainium 上原生支持 Transformers、Diffusers 等 Hugging Face 库,用户只需传入 device_map=neuron 参数即可直接运行,相比 Optimum Neuron 覆盖的模型架构从 46% 提升至 89%。

    阅读原文 来源:Hugging Face Blog

    推荐理由原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

10月16日周五
  1. AWS Machine Learning Blog一手

    Muse Spark Open 现已上线 SageMaker JumpStart,提供两种量化方案和 1 亿 token 上下文窗口

    Muse Spark Open,Meta 的代码优化开权模型,现已上线 Amazon SageMaker JumpStart。模型支持 1 亿 token 上下文窗口,可处理文本、图片、音频和音频视频,输出文本。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文提供了模型部署步骤、实例规格和推理能力展示,读者可以据此快速上手并对比两种量化方案的性能差异。

10月15日周四
10月14日周三
  1. GitHub Blog: AI & ML一手

    GitHub 发布新的秘密检测模型,实现更少噪音的更多秘密检测

    GitHub 发布基于 ModernBERT 的秘密检测新模型,相比上一 LLM 管道实现 11.5% 更高的用户接受率、86% 更快的中位数后推执行时间以及 98% 更低的服务成本,并给出了开放入口和主要能力变化。

    阅读原文 来源:GitHub Blog: AI & ML

    推荐理由原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

10月13日周二
  1. AWS Machine Learning Blog一手

    ShipStation Global 用 Amazon Bedrock AgentCore 构建 AI IT 客服 Deckhand

    ShipStation Global 用 Amazon Bedrock AgentCore 构建 AI IT客服 Deckhand,在 Slack 频道中自动回答常规 IT 问。该系统在 12 个月 1,500 个工程师工单中,解决了 97.5% 的频道查询,并获得 96% 的员工好评。Deckhand 可读取错误信息截图,并可一键将对话转为情境化的 Jira 工单。

    阅读原文 来源:AWS Machine Learning Blog
10月12日周一
10月9日周五
10月8日周四