跳到正文
只看一手#部署/工程

日期栏展示收录日期，历史补录归入原文日期。

今天10月15日周四24 条
  3. vLLM Blog71

    原文发布

    更快完成 RL 训练：位级一致、高性能、智能体驱动

    vLLM 团队提出让训练前向直接调用 vLLM 推理 kernel 并修改这些高性能 kernel，使 rollout 与训练对每个采样 token 产生位级相同的 logprob（diff = 0）。

    推荐理由：原文给出训练与推理数值不一致的量化后果和逐算子对齐方案，可了解 RL 训练稳定性的一条工程路径。

  5. Figma Blog62

    在 Figma 中用 Payload 创建、发布和管理数据驱动的网站

    Figma 将开源内容框架 Payload 集成进 Figma Make，团队在提示生成应用时即可同时获得数据库、文件存储、用户登录和管理后台。设计者可用真实内容提示体验，营销人员通过内置管理面板增改内容，开发者用 Payload 开源框架定制应用，并可按角色分配细粒度权限。

    推荐理由：Figma 把 Payload 的后端与内容管理并入 Figma Make，读者可据此判断设计到上线的流程变化。

  6. Figma Blog60

    Introducing Specs: Markdown as a medium

    Figma 推出 Specs，一个可多人协作的容器，把 Markdown 文档放到画布上，与设计稿、代码层、FigJam 图表并排，并支持拖入 .md 文件生成 spec。

    推荐理由：Figma 官方介绍 Specs 的协作机制与 MCP 打通方式，可了解设计上下文如何直接交给编码智能体。

  8. Figma Blog60

    Build by design：面向新构建方式的新工作流

    Figma 发布一系列新工作流，把代码与设计协作搬到画布上。code layers 进入开放测试并面向所有套餐开放，支持从本地文件夹、MCP、GitHub 或 Chrome 扩展导入代码；设计系统新增 guidelines（开放测试）和 code sources（封闭测试），Specs 在 web、桌面和移动端开放测试。

    推荐理由：Figma 把代码层、设计系统与 Specs 接入画布和 MCP，读者可据此判断设计与编码协作流程的变化。

  9. METR Blog30

    原文发布

    评估者如何调查内部 AI 智能体的控制与监控

    METR 提出评估者可从五个核心子问题入手，收集 AI 开发者内部智能体监控可靠性的证据：监控覆盖率、监控系统漏洞、监控规避、含人工规避的响应处置，以及未被发现的最严重不当行为影响。评估重点是基于 LLM 的智能体监控，因为智能体权限往往很宽，需要理解上下文才能判断行为是否有害。评估者需访问推理日志、监控日志和关键路径代码，并通过红队测试检验智能体能否关闭监控、篡改轨迹或发动供应链攻击。

  12. vLLM Blog30

    原文发布

    无需置信头的自适应验证

    vLLM 为所有基于草稿模型的投机解码器类型支持置信度评分，无需置信头即可启用自适应验证（AV）。该方案用在线拟合的逻辑回归，从草稿模型 logits 的 log-odds 特征预测目标模型的接受概率，K 个 token 的草稿器仅需 K+1 个参数，参数随线上流量持续拟合。

  15. Databricks Blog22

    原文发布

    OLTP vs. OLAP：在事务型数据库与分析型数据库之间做选择

    OLTP 面向支付、订单、库存等当前数据的高并发低延迟读写，OLAP 面向跨时间、产品、地域等维度的大规模历史数据扫描与聚合查询。两者通常并存，需靠 ETL 或 CDC 同步，新鲜度要求越高，延迟与管道开销越大。文章对比二者在查询模式、数据模型、存储与延迟上的差异，并说明数据管道、混合处理与 lakehouse 架构如何连接两者。

  17. Databricks Blog26

    原文发布

    人人都在用 AI 智能体，却几乎没人能证明 ROI，原因何在

    Databricks 的 Amber Roberts 指出，企业 AI 智能体采用速度远超 ROI 证明，因为采购方与日常使用者往往不是同一批人，目前多数组织仍处于试用与铺开阶段。她认为“更快”是衡量智能体生产力的错误指标，生产力应看一个人借助一组助手能完成多少工作，且效率提升只有在质量不下降时才有意义。智能体要真正有用，关键在于理解业务上下文，而非单纯的任务执行速度。

  18. Mastra Blog38

    原文发布

    推出 Trace Queries

    Mastra 平台与本地 Studio 上线 Trace Queries，可按时间、agent/workflow ID、状态、评分和反馈等字段筛选 trace，并支持 CLI、Mastra Client SDK 和 HTTP 可观测性端点构造相同查询。

  19. vLLM Blog62

    原文发布

    vLLM 推出基于 Push 的 KV 传输，改善分离式推理的 TTFT 与 TPOT

    vLLM 新增 push 模式的 NIXL KV 连接器，把传输协调与建立连接从解码实例的关键路径移到预填充侧的后台线程，从而降低 TTFT 与 TPOT。在 1P1D 部署、Amazon EC2 P5en 实例加 EFA 的 Qwen3-32B 基准中，push 模式相比默认 pull 模式 TTFT 最高改善 3 倍、TPOT 最高改善 30%，结果随负载与配置变化。

    推荐理由：vLLM 新增 push 模式 KV 连接器，给出架构、线程模型与复现脚本，可据此评估分离式推理的延迟收益。

  21. Claude Blog62

    原文发布

    Claude 平台上的智能体可观测性

    Anthropic 宣布 Claude 平台上的 OpenTelemetry trace 进入公开测试，Claude Managed Agents、Messages API 和 Claude SDK 均可将 trace 发送到任意 OTel 工具。

    推荐理由：官方说明 Claude 平台智能体链路可导出标准 OTel trace，读者可据此判断接入现有可观测栈的成本。

  24. AWS Machine Learning Blog38

    使用 Amazon Bedrock AgentCore 构建可自我改进的文档处理系统

    基于 Amazon Bedrock AgentCore 的多智能体 IDP 系统可自动分类、提取、校验业务文档，并在遇到新格式时自我训练并复用所学，后续同类文档直接进入提取流程。系统由 8 个专用智能体组成，运行于识别与训练/自动化两条图工作流，依托 Strands Agents、Amazon Textract、S3 Vectors 和 Aurora DSQL，通常可在 20 分钟内完成部署。

10月14日周三
  2. AWS Machine Learning Blog22

    Tamnoon 如何用 Amazon Bedrock 构建 AI 驱动的云安全修复方案

    Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami，可自主调查 CNAPP 与云原生来源的安全发现并评估修复安全性，再生成带护栏和回滚指引的修复方案。该方案在 90 天内将关键云暴露减少超过 90%，且未出现生产问题。Tami 由调查、安全评分、修复和代码生成四个专用智能体组成，通过单一 API 按任务调用不同基础模型。

  4. Baseten Blog38

    在 Baseten 的专属环境中部署 Runway 的视频模型

    Runway 的前沿视频生成与编辑模型 Gen-4.5 和 Aleph 2.0 现已可通过 Baseten 专属部署，用户可从 Runway 直接授权模型权重，在单租户隔离环境中运行。Aleph 2.0 支持最长 30 秒、1080p 的多场景视频编辑，并可在自有数据上微调。Baseten 为该部署提供 99.99% 可用性 SLA，并覆盖 SOC 2 Type II 与 HIPAA 合规。

  6. Baseten Blog38

    在 Baseten 的专属环境中部署 Runway 的视频模型

    Runway 的前沿视频生成与编辑模型 Gen-4.5 和 Aleph 2.0 现已可通过 Baseten 专属部署，用户可从 Runway 直接授权模型权重，在单租户隔离环境中运行。Aleph 2.0 支持最长 30 秒、1080p 的多场景视频编辑，并可在自有数据上微调。Baseten 为该部署提供 99.99% 可用性 SLA，并覆盖 SOC 2 Type II 与 HIPAA 合规。

  7. Modem Blog20

    Modem 已迁移至 modem.ai

    Modem 本周起启用新域名 modem.ai，旧 modem.dev 链接自动跳转，产品功能保持不变。随新域名上线的新官网同步推出 Modem 2.0——对其语义可观测平台的重新构建，可连接用户渠道、识别并归类用户关注点，并通过监控 PR 和工单追踪团队的处理动作，准确率与端到端性能均有提升。Modem 称其用户已从工程师扩展到创始人、PM、客户成功和 CTO 等角色。

  8. NVIDIA Newsroom60

    NVIDIA 承诺五年投入 2.5 亿美元推进英国智能体安全与安保研究

    NVIDIA 宣布一项五年期、价值 2.5 亿美元的算力捐赠，用于加强英国的智能体安全与安保研究能力，每年提供 5000 万美元算力访问。大部分算力将支持英国更广泛的 AI 安全与安保研究社区，一部分用于与牛津大学主导的 BOLD、UCL 主导的 SOFAIR 以及帝国理工学院在智能体基础模型、开源 AI 架构和机器人安全方面的合作。

    推荐理由：NVIDIA 以五年算力捐赠支持英国智能体安全研究，读者可了解资金规模、合作机构与算力落地方式。

  11. Preferred Networks News40

    さくらインターネット、PFN、NICT、生成AIを継続的に評価・改善する「能動的評価基盤」の社会実装に向けた取り組みを開始

    樱互联网、PFN 与 NICT 宣布启动“能动性评估基盘”的社会落地工作，目标是在日本国内持续评估和改善生成式 AI 的安全性。三方基于 2025 年 9 月 18 日签署的基本合意推进合作，PFN 已于 2026 年 6 月 22 日提供国产基盘模型 PLaMo 3.0 Prime，樱互联网于同年 8 月 4 日在“さくらの AI Engine”上提供该模型。

  13. Databricks Blog22

    2026 年实时分析实践指南

    实时分析正成为关键能力，但“实时”并非单一要求，应从新鲜度、延迟和并发三个维度评估工作负载。文章指出，实时与批处理分析应统一在湖仓中运行，共用一份数据和一套治理，无需为 Apache Druid、Apache Pinot、ClickHouse 等专用服务引擎维护独立数据副本与管道。