ThinkingBox 將資料庫狀態檢查用於代理 RL 訓練
微軟與 Hugging Face 已在 GitHub 公開 ThinkingBox-Training,提供代理後訓練所需的資料選擇、rollout 與獎勵流程。
AI 與開源動態:精選、整合、解讀
微軟與 Hugging Face 已在 GitHub 公開 ThinkingBox-Training,提供代理後訓練所需的資料選擇、rollout 與獎勵流程。
Live response 的 question.instructions 現在可使用字串,或由文字、圖片與 JSON 組成的結構化內容。
Amazon Polly 生成式引擎升級後,語音更自然、富有表現力,並改善數字、地址等內容的朗讀準確度。
SageMaker AI 的無伺服器模型客製化訓練工作階段已正式推出;使用者可自行撰寫訓練迴圈,AWS 則負責 GPU 配置、分散式執行、故障復原與 checkpoint 儲存。
Amazon SageMaker AI 的 training session API,讓開發者自行編寫訓練迴圈,並由服務管理 GPU 運算與相關基礎設施。
LangChain Core 1.7.0 將串流中的工具呼叫參數改以 `tool-call-delta` 片段傳送,而非 `block-delta` 快照。
AWS 示範讓代理每完成一句話,就送往 SageMaker AI 上的 Kokoro-82M 合成語音,不必等整段回覆生成完畢。
NVIDIA GPUDirect Storage(GDS)可讓支援的儲存裝置直接將資料送入 GPU 記憶體,省去經過主機記憶體中轉,並降低 CPU 使用量。
AWS 在 Amazon SageMaker AI 即時端點以自訂容器部署 Kokoro-82M,並用兩項端點實測取代猜測式的自動擴縮設定。
8 台 DGX Spark 可提供 1 TB 統一記憶體,讓完整的 GLM 5.3 753B 模型能在本機載入。
OlmoEarth v1.3 發布時,同步提供全球預先計算的年度衛星嵌入向量,解析度為 10 公尺,並有 64 維與 128 維版本。
Google DeepMind、Google Research、WRI 與 IIASA 發布 ForTy 2020,以 10 公尺網格標示全球土地的森林與土地利用類型。
Granite Timeseries Ensemble 預設整合四種預訓練 Granite 架構,可在不重新訓練或估算集成權重的情況下產生中位數與分位數預測。
OpenAI Python SDK 3.36.1 修正 API 行為,讓個別呼叫設定的 WebSocket 查詢參數能生效。
Amazon Quick 將使用者連線與服務端取資料分開處理:前者透過 AWS PrivateLink VPC 端點,後者則使用 VPC connection。
Deep Insight 是開源的資料分析多代理系統,使用者提供 CSV 與自然語言需求後,系統會產生分析結果及含引用的 DOCX 報告。
LangChain 1.4.7 加入串流消費端讀取 tool-call-delta 的支援。
Adaptive Agentic Intelligence Framework(AAIF)以 Strands Agents 建立三層流程:本機 SLM 判斷請求類型,例行工作交由本機工具,複雜分析則送往 Amazon Bedrock。
AWS 示範如何在單一 trn2.48xlarge 上,透過 torchtitan 和 TorchNeuron 訓練 Qwen3;Trainium 會以 PyTorch 裝置的形式提供給 torchtitan 使用。
此版更新模型設定檔資料。