PyTorch ciflow/trunk/203697:修復阻擋加速器上 TestNN 的兩個編譯自動微分錯誤
PyTorch 在 ciflow/trunk/203697 版本中修復了兩個影響編譯自動微分的缺陷,解除 XPU 上 TestNN 測試失敗。 - 修復內容:針對 undefined gradient 與 sparse gradient 的兩個錯誤,確保在 CPU 和 XPU 上都能正確計算梯度。
PyTorch 在 ciflow/trunk/203697 版本中修復了兩個影響編譯自動微分的缺陷,解除 XPU 上 TestNN 測試失敗。 - 修復內容:針對 undefined gradient 與 sparse gradient 的兩個錯誤,確保在 CPU 和 XPU 上都能正確計算梯度。
summary_zh: PyTorch 在 XPU 裝置屬性中加入 PCI domain/bus/device ID,解決了 torchrun --numa-binding 在 Intel GPU 上失敗的問題。
summary_zh: PyTorch 在 CUDA 上新增 deterministic bilinear2d backward kernel,確保 2D bilinear 插值反向傳播的決定性與可重現性。
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。
OpenRouter 近期公佈開放權重模型與封閉權重模型的差異與實際使用資料。 - 權重公開:開放權重模型可自行下載、微調或自托;封閉權重模型只能透過供應商或雲端使用。
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。
本研究展示如何利用 Hermes 代理、REA 逆向工具與 GLM 5.3,以不到 20 美元的成本逆向 TikTok 應用程式,取得其私有 API 的簽名機制與資料。
SkyPilot 平臺透過 NVLink 72 GPU 系統與排程器,讓同一機架的 GPU 可用率提升 27%。 - NVL72 系統:將 72 顆 GPU 連線至同一 NVLink 網格,單個 GPU 的雙向頻寬達 1.8 TB/s,整個機架內部可達 130 TB/s。
Meta Engineering 透過 LLM 產生即時測試,成功捕捉 74 起嚴重隱私漏洞,降低 20% SEV 風險。 - 系統架構:結合「意圖感知」與「Dodgy Diff」兩條工作流程,利用 LLM 生成失敗測試以揭示差異。
Meta在選舉前封鎖No Kings Instagram 帳號,聲稱 AI 造成誤判 - 事件時間:2026年10月17日,當天美國中期選舉前夕。
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。
PyTorch 2.15 於 2026 年 10 月正式發布,整合 3,117 次提交、583 位貢獻者,並在分散式訓練、NVGEMM、Apple Silicon 及加速器平臺上進行多項更新。
推薦理由:PyTorch 2.15 以多項分散式與硬體加速最佳化,提升大模型訓練與推論效率,對開發者即時可用。
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。
Meta Andromeda 透過模型、系統與 GPU 硬體協同設計,實現每秒超過 10 億 廣告的檢索吞吐量,較 2024 版提升 100 倍。
ElevenLabs 官方部落格介紹金融科技新創 Lettuce 如何利用 Ads Engine(位於 ElevenCreative 內)自動化製作與投放 Meta 廣告,將創意廣告製作時間從超過一週縮短至 45 秒內。
Property Finder 與 Amazon Bedrock 共同示範如何透過排除評估偏差、建立無偏基準與演化式提示最佳化,提升視覺模型效能並降低成本。
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。
Meta 工程團隊發布 2026 Python Typing Survey 調查報告,顯示型別檢查工具選擇正快速轉變,且 AI 工具在編寫型別與處理錯誤上的應用大幅增加。
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。
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。
Google 在 TPU 上推出了 vLLM‑TorchTPU 與 SGLang‑TorchTPU,提供 PyTorch 原生推理,讓開發者可在熟悉環境下高效部署大模型。
推薦理由:Google 推出在 TPU 上的 PyTorch 原生推理引擎,讓開發者可在熟悉環境下高效部署大模型,並提供多樣化的 agentic 與多模態支援。
FrontierCode 2.0 是由 Cognition 團隊推出的新一代軟體工程AI 助理基準測試,旨在透過更嚴格的開源維護者審查標準,全面評估 AI 程式碼在真實專案中的可合併性與使用者體驗。
Meta 在 2026 年 Open Compute Project 全球峰會中,公開支援其最新 AI 模型與 Prometheus 叢集的網路硬體與開源技術創新,包含液冷網路機架與開放傳輸協定。
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。
Meta 違反巴西選舉法院命令,未停止對博爾索納爾的偏袒。 - 法院命令:要求 Meta 於 24 小時內證明已對盧拉和博爾索納爾的競選活動實施相同條件。
PyTorch 基金會於 PyTorch Conference North America 2026 發表多項開源生態與跨硬體支援的重要更新。
CATT 0.2.1 讓開發者能在 CI 中自動測試代理與服務的互動,支援 Muse 與 Instinct 模擬目標,並提供可重現的測試流程與報告。 - 版本:0.2.1,包含指令碼化、模型驅動與瀏覽器/HTTP API 測試。
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。
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。
Meta 在俄亥俄州新阿爾卑尼市推出了名為 Prometheus 的吉瓦級超級叢集,計畫擴至約 100 萬 GPU,用於訓練 Muse 基礎模型。 - 已完成第一階段:已用於訓練 Muse Wonder 模型。
FairStress 是 AllenAI 發布的一套基準,用於測量 LLM 在不同族群情境下的公平性。它包含 300 個兩人對決的情境,涵蓋 29 個領域,並可擴充套件至超過 13 萬萬個測試案例。
推薦理由:本 benchmark 可幫助模型開發者發現並修正隱性偏差,促進決策公平性
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。
WhatsApp 的幫助中心頁面中藏有兩條隱藏指令,阻止聊天機器人向用戶推薦監管機構或引用 GDPR 等法律。 - 2026 年 10 月 8 日發現,WhatsApp 在 545 個幫助頁面中共 80 個隱藏區塊,主要兩條指令涉及刪帳與法律問題。
導語:Plex 0-day 漏洞被利用,攻擊者植入挖礦程式並利用住宅代理作跳板,事件揭露了媒體伺服器與遠端支援裝置的風險。 - 漏洞型別:plex2shell 漏洞鏈,已在野外被利用。