跳到正文

#数据/训练

今日 1 条
今天11月20日周五
11月19日周四
  1. AWS Machine Learning Blog36

    Exa 借助 AWS AI 芯片将嵌入吞吐提升 50%,支撑数十亿文档索引

    Exa 在 AWS Inferentia2 与 Trainium2 上把嵌入吞吐提升约 1.5 倍(50%),用于支撑数十亿级网页文档的语义索引。优化包括权重布局调整、autocast 降精度(输出与参考的余弦相似度达 0.999)、NKI 注意力 kernel,以及自研 weight-stationary 融合 SwiGLU MLP kernel 消除 HBM 读写停顿。

11月18日周三
  1. AWS Machine Learning Blog42

    OpenTSLM 上线 Amazon SageMaker JumpStart,用时间序列语言模型推理运维数据

    Aionic Labs 开发的开源时间序列语言模型 OpenTSLM 已在 Amazon SageMaker JumpStart 上线,可部署在用户自己的 AWS 环境中。该模型将设备传感器等数值测量与维护记录、市场新闻等文本上下文结合,识别近期数据中的潜在问题。Nexthink 已将其用于个人 IT 智能体 Spark,从设备遥测生成状态摘要、建议操作和预期结果。

11月17日周二
  1. NVIDIA Blog72

    NVIDIA Vera Rubin 首次亮相 MLPerf,横扫训练与 Endpoints 基准

    NVIDIA Vera Rubin 平台首次提交 MLPerf 结果,在 MLPerf Training v6.1 的全部基准上均有成绩,Vera Rubin NVL72 每 GPU 性能最高达 GB300 NVL72 的 2 倍。

    推荐理由:原文给出 Vera Rubin 在 MLPerf Training 与 Endpoints 的具体成绩和规模数据,读者可据此判断新一代平台在训练与智能体推理上的代际提升幅度。

11月14日周六
11月13日周五
  1. AWS Machine Learning Blog38

    在 Amazon Bedrock 上优化单任务成本并验证智能体 ROI

    AWS 提出以“单任务成本”而非“单 token 价格”衡量 Amazon Bedrock 上的模型开销,并给出计算真实模型成本的框架。文章拆解了 tokenizer 效率、输出冗余、智能体循环轮次和推理开销四类隐藏成本驱动因素,示例中单价高 2 倍的模型因单轮完成、输出更短,单任务成本反而低 65%。

  2. AWS Machine Learning Blog36

    用 CUR 2.0 和 AWS Budgets 按 IAM 主体追踪并限制 Amazon Bedrock 支出

    AWS 给出无需自写代码的方案,按 IAM 用户或角色追踪并限制 Amazon Bedrock 推理支出。Amazon Bedrock 自动记录每次推理请求的 IAM 主体身份,配合 principal tags 或会话标签、CUR 2.0 与 Cost Explorer 实现按身份的成本可见性,再用 AWS Budgets 预算操作在超阈值时下发 Deny IAM 策略。

11月12日周四
11月11日周三
  1. Google DeepMind70

    Google DeepMind 发布 AlphaGenome 2,按细胞类型预测 DNA 变异影响

    Google DeepMind 发布 AlphaGenome 2,这是一个条件式 DNA 序列模型,可针对特定细胞类型和状态预测 DNA 变异对基因表达的影响。模型基于 68 种组织、超过 1.07 亿个单细胞图谱训练,在 TenK10K 数据集上识别出的因果变异比例从 16% 提升到 30%。该模型可通过 AlphaGenome API 用于非商业研究,商业研究处于私密预览阶段。

    推荐理由:原文给出模型架构改动与单细胞层面的评测对比,读者可据此判断变异效应预测在细胞类型粒度上的进展。

11月10日周二
11月9日周一
11月7日周六
11月6日周五
  1. Hugging Face Blog58

    Ai2 发布 ToyBlocks 机器人学习仿真框架

    Ai2 发布 ToyBlocks,一个围绕机械臂与桌面方块的开源仿真框架,可自动生成任务与演示数据并评测机器人行为。它基于 Isaac Lab 用强化学习和运动规划生成技能,单 GPU 并行执行数百个规划,达到最高 24 倍实时速度。首个数据版本包含 85,336 条长程演示、近 1,600 小时机器人执行数据和 1.44 亿帧。

  2. Hugging Face Blog70

    NVIDIA 发布 Cosmos 3 四个开放权重模型,用于交互式世界模拟

    NVIDIA 在 Cosmos 世界模型平台下新增四个 Cosmos 3 开放权重检查点,均为 Cosmos 3 Nano 的后训练版本,含 16B 可训练参数,采用 OpenMDW1.1 许可,允许商用与非商用。

    推荐理由:文章给出四个开放权重检查点的能力分工与四阶段训练配方,读者可据此判断如何适配到自有传感器与机器人本体。

  3. Google Research72

    Google Research 用智能手表传感器检测高血压迹象

    Google Research 提出 AI-PPG-ACC-HTN 系统,利用消费级智能手表的 PPG 和加速度计信号被动检测高血压迹象,无需袖带校准。该系统先用 492,347 小时、2,109 名参与者的无标签数据做自监督预训练,再按人聚合多日嵌入向量并结合身高做逻辑回归分类。

    推荐理由:该系统用智能手表 PPG 与 ACC 信号做无袖带校准的高血压筛查,并与 24 小时动态血压监测对比,读者可了解其两阶段训练与临床验证设计。

11月5日周四