跳到正文

#Meta

RSS
今日 0 則
11月6日週五
11月5日週四
11月4日週三
  1. Meta Engineering48

    **title_zh:**

    F3 Lightning:Meta 如何以規模加速廣告機器學習特徵進入生產 summary_zh: Meta 推出 F3 Lightning,將廣告機器學習特徵的發布流程拆分為獨立單位,實現每個特徵單獨編譯、驗證、部署與回滾,並保持與原先 F3 相同的計算效率。

11月3日週二
10月31日週六
  1. Hacker News (official RSS)92

    法國國會通過每 GB 0.055 歐元網路稅

    法國國會於 2026 年 10 月 30 日以 11 比 10 的投票通過了每 GB 0.055 歐元的網路稅。 - 稅率與預期收入:每 GB 0.055 歐元,預計可為國庫帶來高達 10 億歐元。

    推薦理由:此法案將對數位服務商產生成本壓力,或透過調整價格或限制頻寬來回應,這可能促使服務商最佳化資料傳輸,或調整訂閱費用以維持利潤。

10月30日週五
10月29日週四
  1. Hacker News (official RSS)76

    Meta被起訴:科技已成新菸草

    導語:Meta被起訴,內部檔案顯示其企圖幹擾關於青少年心理健康的社群媒體研究,類似菸草業的策略。 - 證據:Meta律師在內部通訊中計畫抹黑心理學家 Jonathan Haidt,並阻止研究人員進行相關研究。

  2. PyTorch Blog85

    PyTorch 2.15 釋出全新 NCCL 後端、MPS FP8 與跨平臺最佳化

    PyTorch 2.15 釋出全新 NCCL 後端、MPS FP8 支援以及跨平臺最佳化,為多 GPU 分散式訓練與低精度推理帶來顯著效能提升。 - NCCL:預設使用重寫後端,並提供 TORCH_DIST_USE_NCCL2=0 或 nccl-legacy 作為回滾。

    推薦理由:PyTorch 2.15 針對多平臺、分散式訓練與低精度推理進行大幅最佳化,並加入全新 NCCL 後端與 MPS FP8 支援,開發者可即時驗證新功能提升效能,同時提供 CUDA 13.2/13.4 以及 ROCm 10.0 wheels,讓跨平臺部署更順暢。

10月28日週三
  1. Meta Engineering71

    PrivacyLib:資料存取邊界的隱私控制

    PrivacyLib 是 Meta 將隱私控制統一於資料存取邊界的核心庫,能在數百個資料與處理系統的客戶端內執行,每秒進行 數十億 次檢查。 - 模組化設計:分為執行模組(可攔截)與觀測模組(記錄),如 Policy Zones、Privacy Probes 與 Agent Observability,允許新增隱私需求時只需安裝模組,無需重寫每個系統。

10月27日週二
  1. NVIDIA Newsroom Press Releases77

    NVIDIA 與 Meta 擴大 Muse 模型合作 迎來強勁成長

    導語:NVIDIA 與 Meta 宣佈擴大 Muse 模型合作,將進一步最佳化推理與訓練效能,並加強 AI 代理的安全與監控。 - 合作範圍:Muse 與 Muse 系列模型、NVIDIA OpenShell Reference Architecture、NVIDIA Sentry 監控。

    推薦理由:本公告凸顯大型科技巨頭在 AI 代理基礎設施上的深度合作趨勢,讀者可評估此策略對自身 AI 部署的啟示。

  2. Google Developers Blog81

    將 TorchTPU 整合至 TorchTitan,最佳化 TPU 模型訓練

    Google 於 2026 年 10 月 20 日公佈了 TorchTPU,將其作為 TorchTitan 的 TPU 原生後端,並提供完整的最佳化流程,讓開發者可在 Google Cloud TPU 上輕鬆訓練 LLM、MoE 及 Diffusion 模型。

    推薦理由:本文提供 TorchTPU 的完整整合與最佳化流程,幫助工程師快速在 TPU 上跑 LLM、MoE 與 Diffusion 模型,並附案例與最佳化手冊,適合想在雲端 TPU 進行大規模訓練的開發團隊。

10月26日週一
  1. Hacker News (official RSS)67

    Context Engineering 的現況

    Context Engineering 在 AI 模型開發中的重要性與挑戰在 AGNTCon 研討會上被深入探討。 - 四大失效模式:context poisoning、distraction、confusion、clash,皆因長上下文帶來的錯誤資訊與工具衝突。

10月25日週日
10月23日週五
10月22日週四
  1. PyTorch Blog77

    TorchTitan 更新:支援新 SOTA 模型、擴充套件大規模訓練效能與 TitanRL 功能

    TorchTitan 以 PyTorch 原生實現,提供 SOTA 模型支援與大規模訓練效能,讓研究者與產業可在同一框架下快速落地。 - 新模型支援:Muse Spark Open、Muse Glimmer、Qwen3-VL、Qwen3.5、Kimi K2.7、Kimi K3、DeepSeek-V4 全訓練堆疊整合,並可透過 5D 並行化調整硬體。

    推薦理由:TorchTitan 以 PyTorch 原生實現,提供 SOTA 模型支援與大規模訓練效能,讓研究者與產業可在同一框架下快速落地。

  2. Hugging Face Blog88

    VocabX:成本加權詞彙最佳化能將單域 LLM 推理成本降低 77%

    VocabX 是一種成本加權詞彙最佳化方法,針對單域 LLM 在實際應用中可將推理成本降低 77%。 - 模型:以 Qwen3-4B 為基礎,維持 4B 引數,未改變模型權重。

    推薦理由:VocabX 透過成本加權詞彙最佳化,實驗證明可將推理成本降低 77%,同時提升評分 15%,並保持原始模型精度。

10月21日週三
  1. PyTorch Blog88

    Google 與 Meta 共同推出原生 PyTorch TPU 後端 TorchTPU

    Google 與 Meta 共同開源推出 TorchTPU,為 Google TPU 提供原生且符合 PyTorch 設計哲學的後端架構。 - 核心特性:支援即時(eager)與編譯(compiled)模式,包含全新的 DeferAndFuse 執行模式,可顯著提升效能並減少高頻寬記憶體(HBM)佔用。

    推薦理由:文章詳細說明 Google 與 Meta 合作推出原生的 PyTorch 執行後端,有助於開發者評估在 TPU 上無縫執行與遷移開源模型的效能表現。

10月20日週二