GS Caltex 如何用 Amazon SageMaker Canvas 与 Pipelines 实现生产级 MLOps(第一部分)
GS Caltex 将 SageMaker Canvas 中由工艺工程师无代码构建并验证的模型,接入 SageMaker Pipelines 的生产工作流,实现每 30 分钟一次的批量推理。
GS Caltex 将 SageMaker Canvas 中由工艺工程师无代码构建并验证的模型,接入 SageMaker Pipelines 的生产工作流,实现每 30 分钟一次的批量推理。
OpenFold3-preview 已在 Amazon SageMaker JumpStart 上线,可在自有 AWS 账户中预测蛋白质、DNA、RNA、小分子配体及其复合物的 3D 结构。
Amazon SageMaker HyperPod 新增 Data Capture 能力,可在端点、负载均衡器和模型 Pod 三个独立层级把线上推理输入输出记录到 Amazon S3,对模型可用性零影响。文章以 Qwen2.5-3B-Instruct 家电客服路由模型为例,用 Athena 查询发现新产品盲区、SQL 策略打标后微调,并在部署后新增数据上对比前后准确率。
Amazon Bedrock 提供零埋点的成本归因能力,把每次推理调用追溯到发起调用的 IAM 主体,并将身份与组织标签写入 CUR 2.0 和 Cost Explorer。
Dyania Health 的临床推理引擎 Synapsis AI 在 NVIDIA 加速计算上运行,可跨患者数十年病历中的自由文本笔记、报告和化验结果串联线索,输出可溯源到原始记录的临床信号。
Natera 基于 Amazon Bedrock AgentCore 构建了实验室运维智能体系统 SWARM,将支持工单首次响应时间提升约 130 倍,自动化覆盖率达 96.2%。
IBM 在 Hugging Face 发布 granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview 两个实验性预览模型,基于 Granite 4.1 base 训练,可读写 LLMON(LLM Object Notation)标记文本。
AWS 给出无需自写代码的方案,按 IAM 主体追踪并限制 Amazon Bedrock 生成式 AI 支出:Bedrock 自动记录每次推理请求的 IAM 用户或角色身份,配合 principal tags 或会话标签区分共享角色下的具体用户。
Amazon SageMaker HyperPod 通过在 PyTorch DDP 训练循环中加入三项检查来检测静默数据损坏(SDC):非有限梯度检查捕获 NaN/Inf,环形重放审计比对另一节点重算的 loss 与梯度指纹,权重指纹比对发现优化器步骤与存储权重中的损坏。
Google Research 提出一套研究性框架,用消费级可穿戴设备数据构建可干预的“可指导健康年龄”(CHA),并训练了基于约 10 万名 Fitbit 用户、228 万人周数据的传感器世界模型 SensorWM,可模拟未来 12 周内 20 项生理指标在不同步数、睡眠和运动习惯下的变化。
AWS 将于 11 月 30 日至 12 月 4 日举办 re:Invent 2026,AI/ML 专场提供超过 140 场课程,覆盖 AI 芯片、模型训练与推理、智能体开发管理等 AWS AI 技术栈各层。
Hugging Face 博客介绍多向量嵌入模型的 Token Pooling 感知训练:在 pool_factor=4、文档向量减少 4 倍时,常规训练模型保留未池化 NanoBEIR nDCG@10 的 94.6%,感知训练将保留率提升至 97.8%。
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或状态预测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%,方向性基因效应从 23% 提升到 43%。
AWS 发布 Amazon Bedrock 调用观测数据湖方案,通过 CloudWatch 日志订阅将多账户的模型调用日志汇聚到中心账户,经 Data Firehose 转成 Parquet 写入 S3,再用 Athena 统一查询。
Google DeepMind 发布 SatWeave 和 PARDIG 两个数据集,二者是近期发布的 WeatherNext 3 模型的关键数据来源。
Elith 与 NVIDIA 发布 Nemotron-Personas-Finance-Japan,这是开源人设数据集 Nemotron-Personas-Japan 的金融领域扩展,据称是首个百万记录级、将日本官方统计与家庭金融及金融素养数据配对的开源人设数据集。
NVIDIA 开源 Aerial、Sionna 等无线工具一年来全球开发者采用量增长 10 倍,5G/6G 开源工具下载量突破 100 万次,超过 8000 家研究机构在用。
NVIDIA 在 Cosmos 世界模型平台下新增四个开放权重 checkpoint,均基于 Cosmos 3 Nano 后训练、含 16B 可训练参数,采用允许商用与非商用的 OpenMDW1.1 许可。
Google Research 在 Nature 发表研究,提出多模态 AI 系统 AI-PPG-ACC-HTN,利用智能手表的光电容积脉搏波(PPG)与加速度计(ACC)信号被动识别高血压状态,无需袖带校准。
NVIDIA 通过全栈协同设计缓解 AI 内存压力:从 Blackwell Ultra 到 Vera Rubin 平台,单 GPU 的 HBM 容量仅增约 3%,但 SemiAnalysis AgentX 上的智能体吞吐每美元最高提升 30 倍。
Dharma-AI 发布 Dharma Field Extractor,一个 20 亿参数模型,可从任意类型文档中抽取指定字段并以 JSON 返回,支持无 schema 的开放抽取和按指定 schema 定向抽取两种模式。
Indegene 在 AWS 上基于 NEXT Unified Data Platform(NEXT UDP)构建了由 LLM 驱动的 Data Quality Agent,可生成上下文感知的数据质量规则、完成校验并输出可直接运行的 SQL 和 Python 代码,全程采用集中式 human-in-the-loop 治理。
Hugging Face 推出 StateBench,用于评测语言模型在长文档中追踪实体状态变化的能力,按 R-trivial、Aperiodic、Soluble、General finite 四个难度等级构建。
Google DeepMind 为 Google Antigravity 推出化学信息学技能(Cheminformatics Skills),基于 RDKit 并接入 ChEMBL 和 PubChem,由语言模型负责流程编排与科学推理、确定性化学工具执行分子计算。
NVIDIA 联合 COMSOL、Applied Materials、Siemens、Lam Research、Advantest 等厂商,用加速计算、物理 AI 和智能体缩短半导体制造中的仿真与分析周期。
亚马逊云科技介绍如何用序列级知识蒸馏(SeqKD)在 Amazon SageMaker AI 上微调购物智能体:由前沿教师模型生成多步工具调用轨迹,仅保留能解题的样本,再以监督微调训练小模型。SeqKD 只需教师模型的文本输出,无需 logits 或强化学习基础设施,因此适用于仅提供 API 的闭源教师模型,并可将轨迹数据复用于训练和测试不同学生模型。
AWS 提出用五步闭环管理 Amazon Bedrock 成本:归因、观测、强制、优化、运营。Amazon Bedrock 已支持按 IAM 主体自动归因推理成本。
微软构建 Industry Evaluation Data Generation Platform,用基于 O*NET、招聘信息和 SEC 文件等公开数据生成的全合成企业环境来评估 Microsoft Copilot,全程不使用任何客户数据。
AWS Batch 为 SageMaker Training 作业推出配额管理功能,管理员可按团队或项目划分配额份额,并通过 RESERVE、LEND、LEND_AND_BORROW 三种资源共享策略自动出借或借用空闲 GPU 容量。
Hugging Face 宣布发起 Project ProtoStar,联合卡内基梅隆大学、普渡大学、佐治亚理工学院等机构,推动公共资助的科研数据集、模型和代码以 AI-ready 格式开放共享。
AWS 发布 Ray Train DLC 镜像(public.ecr.aws/deep-learning-containers/ray:train-ml-cuda-v1.1),预集成 Ray 2.58.0、PyTorch 2.13.0、CUDA 13.0.2、NCCL 2.29.7 与 EFA 及 AWS OFI NCCL 插件,无需自行构建镜像。
NVIDIA 发布开放权重模型 Nemotron 3.5 Transcribe,把多语言转写、说话人分离、翻译和音频问答合入同一 checkpoint,已在 Hugging Face 和 ModelScope 上线。
Google Research 提出 sleep 框架,让 LLM 在活跃交互与离线睡眠之间交替,把短期上下文巩固进长期参数。睡眠阶段通过 MoE 参数扩展、知识蒸馏与 RL 模仿学习完成记忆巩固,再用随机专家激活和梯度筛选的合成样本自我改进。
Ai2 发布研究 Old Ideas, Novel Problems,测试大语言模型判断科研想法新颖性的可靠性,并同步开源基准、数据和代码。研究基于 ICLR 2026 评审意见构建了 154 条高新颖性与 145 条低新颖性的人类想法池,另配 154 条 LLM 生成想法。
Exowatt 借助 Amazon SageMaker AI 无服务器模型定制,为边缘和云端两个部署目标微调出任务专用模型,精度超过前沿模型,成本最高降低 49 倍。其边缘告警分诊基于 Qwen3-1.7B,云端能源市场分析基于 Qwen3-14B,后者通过 Amazon Bedrock Custom Model Import 托管。该流程将原始运营数据到已评估部署产物的路径从数月缩短到数天。
NVIDIA 与 C-BRAIN 合作,用 AI 加速阿尔茨海默病研究,C-BRAIN 已建成 OpenScientist 和 InsightEngine 两款开源智能体工具。
AWS 发布基于 SageMaker Python SDK v3 的车队级计算机视觉模型生命周期方案,用 SageMaker Neo 取代已弃用的 SageMaker Edge Manager 做边缘优化。
OpenAI 说明了如何为前沿模型训练与评估加强隔离防护,措施包括离线环境和高算力红队测试。
Amazon Quick Sight 图层地图新增支持 GeoJSON 的 Point 和 LineString 两种几何类型,可在地图上标注门店等具体位置并绘制配送路径、航班航线等路线。GeoJSON 文件上限 100 MB,需与 Quick Sight 数据集通过共享 join key 关联,每个图层一次只渲染一种几何类型。
AWS 发布在 Amazon SageMaker AI 上做多轮强化学习(MTRL)的端到端实操指南,训练任务通过 AgentCore 托管的智能体完成多轮交互,只按整局结果给奖励。