在 Amazon EKS 上借助 EFA 与 DeepEP 扩展 MoE 强化学习，吞吐量提升 40%
在 Amazon EKS 上结合 EFA 与 DeepEP 扩展 MoE 强化学习，吞吐量提升 40%。RLHF 与 GRPO 需同时平衡大规模 rollout 生成和紧耦合策略训练，两侧速率不匹配会让加速器空闲或引发训练不稳定。更稀疏的 MoE 使训练更受通信而非算力制约；作业超出单实例后，通信从节点内 NVLink 转到更低带宽的节点间链路。
#数据/训练
#数据/训练
今日 0 条AWS Machine Learning BlogAI 评分2929
AWS Machine Learning BlogAI 评分3030 Datacor 如何用 Amazon Quick Sight 构建自助式租赁分析
Datacor 将 Amazon Quick Sight 嵌入 TrackAbout，用交互式仪表盘和自然语言搜索栏为工业气体与焊接分销商提供自助式租赁分析。TrackAbout 客户共管理 2750 万项资产、每月超 72.5 万张账单，此前取数需提交 SSRS 报表请求并等待数天甚至数周。
NVIDIA BlogAI 评分3131 从赋能到落地：NVIDIA 埃及 AI 生态迈入生产规模
NVIDIA 在埃及大埃及博物馆举办 AI 生态活动，埃及 NVIDIA Deep Learning Institute 学员一年内增长逾十倍，Hassan Allam Utilities 与 A15 将投资约 4 亿美元建设新数据中心。非洲一年内已有四座 AI 工厂宣布或上线，另有 656 兆瓦新产能待落地。NVIDIA 在非洲已培训逾 8.5 万名开发者，原定三年 10 万名目标。
OpenAI NewsAI 评分2525 Hex 用 GPT-6 Astra 将复杂分析转化为可视化报告
GPT-6 Astra 帮助 Hex 的数据代理将分析答案转化为可交互可视化报告，使员工愿意分享这些可视化内容。
Mistral AIAI 评分3939 Cloudera 与 Mistral 达成合作，为企业数据带来专业化主权智能
Mistral 与 Cloudera 达成合作，将 Mistral 模型集成进 Cloudera 混合数据平台，支持在私有云、公有云、本地及完全气隙环境部署推理并保持控制。企业还可在受控环境用专有数据训练自有模型并保留数据与智能所有权，面向主权 AI 需求。Mistral 提到 Cloudera 平台承载 30 exabytes 客户管理数据。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 AlphaGenome Atlas：人类基因组中每种可能 DNA 字母变化的预测地图
Google DeepMind 发布了 AlphaGenome Atlas，提供人类基因组中 90 亿个单核苷酸变异的分子影响预测。该平台包含数千个分子效应预测，覆盖多个细胞类型，已在罕见病研究中验证变异功能。AlphaGenome Atlas 通过网站、AlphaGenome API 和 Google Antigravity 提供。
推荐理由：Google DeepMind 发布了 AlphaGenome Atlas，提供人类基因组中 90 亿个单核苷酸变异的分子影响预测，并推出 AVI 分数用于变异影响评估。
Google Research精选AI 评分6262 Google 发布 TimesFM-3，支持多变量零样本时间序列预测
Google Research 发布 TimesFM-3 时间序列基础模型，参数量 330M，预训练语料超过 1 万亿个时间点，原生支持多变量预测。模型可在单次前向传播中联合预测多条相关序列并输出 9 个分位数，同时支持历史协变量与已知未来协变量，无需任务级微调。
推荐理由：相比前代只做单变量预测，TimesFM-3 原生支持多变量与协变量输入，可用于零售、金融等实际预测任务。
Google ResearchAI 评分3535 Google Research 的 ME-POIs 如何用移动性数据让语言模型更深入理解地点
Google Research 提出 Mobility-Embedded POIs（ME-POIs）框架，把匿名聚合的移动性模式与 Gemini 的文本嵌入对齐，为地点生成兼顾身份与动态功能的嵌入向量。在公开基准上，该方法在访问意图预测上最高取得 81.9% 的相对提升，价格水平分类提升 75.1%，忙碌度估计准确率提升 24.7%。
Hugging Face BlogAI 评分4343 OlmoEarth Studio 新增自定义 embedding 导出，用于下游分析
OlmoEarth Studio 现支持计算并导出自定义 embedding 向量，输出为 COG，模型权重与源码公开。可选 Nano（128 维，1.4M 参数）、Tiny（192 维，6.2M 参数）或 Base（768 维，89M 参数）编码器，时间跨度 1-12 个月，分辨率 10-80 米。越南 Ca Mau 红树林区仅用 60 个标注像素训练逻辑回归，加权 F1 达 0.84。