跳到正文

#部署/工程

今日 2 条
10月24日周六
  1. AWS Machine Learning Blog58

    AWS 发布 SageMaker AI 多轮强化学习实操指南

    AWS 发布在 Amazon SageMaker AI 上做多轮强化学习(MTRL)的实操指南,训练任务通过 AgentCore 托管的智能体执行多轮动作,按整局结果给奖励。示例中 gpt-oss-20b 在留出词上的解谜率从 61% 提升到 84%,训练 token 花费约 339 美元。文章还给出奖励设计的两处反转错误和训练中遇到的失败,并建议在服务时的设置下做评测。

10月23日周五
10月22日周四
  1. NVIDIA Blog36

    企业如何用 NVIDIA DSX 破解 AI 工厂电力瓶颈

    NVIDIA DSX AI Factory Platform 正被全球企业用于把电网与 AI 工厂作为一套系统统一规划、仿真和运行。GE Vernova、日立能源、施耐德电气、西门子能源等厂商已基于该平台推出参考架构与数字孪生方案;Phaidra 集成 DSX Flex、DSX Max-Q 和 DSX Exchange 后,在同等功耗下多获得约 10% 算力。

  2. AWS Machine Learning Blog22

    U.S. Hunger 如何用 Amazon Quick 连接领导层与数据

    美国非营利组织 U.S. Hunger 借助 Amazon Quick 让领导层直接探索组织数据,并将 SQL Server 数据每晚 2 点刷新至 SPICE 内存引擎。Quick Spaces 为领导团队提供共享的 KPI 定义、财务文档与分析空间,目前已有 17 名同事获得访问权限,覆盖高管、技术、Full Cart 项目、财务与合规等职能。

  3. Hugging Face Blog60

    Dharma-AI 提出 VocabX:专门化 SLM 词表可将推理成本降低 77%

    Dharma-AI 团队提出 VocabX 方法,在不更换基座模型、数据和训练配方的前提下,围绕每个 token 的推理成本而非出现频率重建词表,在基于 Qwen3-4B 的葡萄牙语作文评分器上将实测推理成本降低 77.0%。

    推荐理由:作者团队公开 VocabX 的词表专门化方法,读者可了解按生成成本而非词频选择 token 的思路与实测数据。

10月21日周三
  1. NVIDIA Blog67

    黄仁勋 GTC Berlin 2026 主旨演讲:发布 DSX POD、OpenShell 与 Agent 知识层

    NVIDIA CEO 黄仁勋在 GTC Berlin 2026 主旨演讲中宣布多项产品,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 的主旨演讲集中披露了 AI 工厂、智能体安全运行时与开源模型的产品化路径,可据此了解 NVIDIA 在欧洲的生态布局。