Amazon Quick Sight 图层地图支持用 GeoJSON 绘制点和路线
Amazon Quick Sight 图层地图新增支持 GeoJSON 的 Point 和 LineString 两种几何类型,可在地图上标出具体地点并绘制地点之间的路线。
Amazon Quick Sight 图层地图新增支持 GeoJSON 的 Point 和 LineString 两种几何类型,可在地图上标出具体地点并绘制地点之间的路线。
Hugging Face 推出 torch-neuronx 模型支持 Space,可查询 Hub 上的模型能否在 AWS Trainium 上原样运行,并给出复现脚本。
OpenAI 推出 Decisions API,为各类应用提供快速、聚焦、低成本的决策能力。该 API 面向需要响应速度的应用场景,具体模型版本、定价与可用性细节尚未在原文中披露。
Amazon Polly 生成式引擎完成升级,新增 14 种语音、覆盖 9 个 locale,并首次在生成式引擎中正式提供印地语和芬兰语。升级后共 57 种生成式语音、覆盖 11 种语言和 25 个 locale,并扩展至 AWS GovCloud(US-West),合计 11 个 AWS Region。此次为原地升级,语音名称和 API 调用不变,现有应用无需改代码,价格也不上涨。
Amazon SageMaker AI 的 serverless 模型自定义训练会话正式可用,用户可自行编写训练循环、损失函数和奖励信号,GPU 分配、分布式执行、故障恢复与 checkpoint 存储由平台负责。
AWS 发布 Amazon SageMaker AI 训练会话 API,把 forward_backward、optim_step、sample 等操作变成 API 调用,模型在托管 GPU 上保持加载,用户只需在本地 Python 中编写训练循环。
微软研究院发布 Flint-interactive,一种构建在 Flint 之上的交互式数据可视化语言,让智能体生成可点击、筛选、缩放、高亮并支持跨图表联动的图表。
推荐理由:微软研究院把图表交互拆成语义事件与更新算子,读者可据此判断智能体生成交互图表的成本与可靠性变化。
NVIDIA 发布 AIOps 平台 Minerva,汇集基础设施与 AI 工作负载的遥测数据,用专用 AI 模型把数据转成可执行的洞察。Minerva 跨 GPU、网络、存储、调度器和工作负载构建动态知识图谱,每小时分析数十亿数据点,可把大量告警聚合成单一事件并给出可能的根因。
推荐理由:原文交代了 Minerva 如何把 GPU、网络与作业信号关联成知识图谱,读者可据此判断 AI 工厂运维从被动告警转向主动维护的路径。
IBM 在 Hugging Face 发布 Granite Timeseries Ensemble,用一套配方组合 PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1 和 TTM-r3 四个预训练 Granite 时序模型,无需重训即可输出中位数与分位数预测。
NVIDIA 扩展 Cosmos 平台,新增训练工具、仿真 checkpoint 和 Cosmos Data Factory 蓝图,用于世界模型的训练、评估与部署。
推荐理由:原文列出 Cosmos 平台新增的训练、仿真与数据蓝图,并给出 Porsche、ANYbotics 等落地案例,可据此判断世界模型开发链路的变化。
Google DeepMind 展示了生物学家如何用 Google Antigravity 的智能体科学工作台,在一次多轮会话中完成抗菌肽候选的发现、结构评估与优先级排序,把原本分散在多个数据库的检索压缩到单一会话。
Google 公开发布 Deep Review,一个面向复杂文档提供严谨反馈与技术核查的智能体系统,最初用于计算机科学论文分析,现已扩展到法律、金融等领域。系统采用文档分段、自适应预算、并行核查与全局综合的四阶段流程,支持 PDF 和纯文本输入,每位用户每周可免费审阅两篇文档,也可接入 Gemini API key 提高额度。
推荐理由:原文交代了 Deep Review 的四阶段智能体流程和会议试点规模,读者可据此判断自动审稿能承担哪些环节。
GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器,用代码上下文识别无固定格式的密钥,可在 2 毫秒内评估一批候选密钥,并称可让可拦截的密钥数量增加一倍以上。
微软研究院开源 Agent Lightning v1.0,这是一个约 3500 行代码的轻量智能体强化学习框架,提出 Harnessed Agentic RL 范式,让部署时使用的智能体 harness 直接参与训练,无需在训练框架内重新实现智能体。
推荐理由:微软研究院开源了约 3500 行的智能体强化学习框架,并给出用约 6000 条样本训练编码智能体的完整流程与提升数据。