跳到正文

#資料/訓練

RSS
今日 0 則
10月30日週五
  1. Databricks Blog77

    Databricks 宣佈 Spark Declarative Pipelines Real‑Time Mode 正式可用

    導語:Databricks 於 2026 年 10 月 29 日正式釋出 Spark Declarative Pipelines 的 Real‑Time Mode (RTM),允許在毫秒級別處理流式資料,並提供與 SDP 內建功能相同的治理與可靠性。

    推薦理由:RTM 以毫秒級延遲處理流式資料,顯著提升即時決策效能,對需要低延遲的業務場景具有重要價值

  2. AWS Machine Learning Blog72

    AWS Batch 配額管理:跨團隊借貸 GPU 資源以提升 SageMaker 訓練作業

    本文示範如何透過 AWS Batch 的配額管理,將多團隊的 GPU 資源動態分配,提升 SageMaker 訓練工作負載的利用率與優先順序。 - 配額管理:允許設定每個團隊/專案的 GPU 配額與資源共享策略。

    推薦理由:本文示範如何透過 AWS Batch 的配額管理,將多團隊的 GPU 資源動態分配,提升訓練工作負載的利用率與優先順序。

10月29日週四
  1. Databricks Blog79

    Databricks 推出伺服器無狀態計算成本控制功能

    Databricks 推出伺服器無狀態計算成本控制功能,讓使用者可透過標籤、許可權與速率限制精準掌握成本。 - 使用量成長:過去一年伺服器無狀態計算使用量已超過 3 倍。

    推薦理由:Databricks 釋出新功能,讓平臺團隊能以標籤、許可權與速率限制精準掌控伺服器無狀態計算成本。

10月28日週三
  1. Hacker News (official RSS)49

    **title_zh:**

    Survival LLM:在自己電腦上執行的 AI 助手與緊急資料庫 summary_zh: Survival LLM 是一款免費的 AI 助手與緊急資料庫,完全在使用者本機執行,無需網路連線。

  2. Databricks Blog81

    不搬移資料即獲投資洞察:Lakehouse Federation

    Lakehouse Federation 讓您在不搬移資料的情況下,直接在 Databricks 中將本地 SQL Server 與雲端 FactSet 資料結合,完成即時分析與視覺化。

    推薦理由:此教學示範如何在不搬移資料的情況下,將本地與雲端第三方資料透過 Lakehouse Federation 直接結合,並在同一查詢中完成分析與視覺化,對需要保護敏感資料的金融機構具有實務參考價值,且可擴充套件至醫療、製造與零售等多種行業,提供一種降低成本、提升合規性與即時分析的解決方案,並可輕鬆整合至現有 Databricks 工作流程,讓使用者能以 SQL 或自然語言即時獲取洞察,進而加速投資決策,並減少資料治理的複雜度,提升整體資料運算效率,並促進跨部門協作。

  3. AWS Machine Learning Blog81

    SOCI 索引容器加速 SageMaker AI 作業

    SOCI 索引容器可將 SageMaker AI 作業的容器下載時間從數分鐘縮短至秒級,並降低成本。 - 下載時間:從 48 秒(1.8 GB)到 7 分 17 秒(35.4 GB)縮減至 3–11 秒,提升約 10–35 倍。

    推薦理由:SOCI 索引可將 SageMaker AI 容器啟動時間從分鐘降至秒級,顯著降低成本並提升迭代效率。

10月27日週二
  1. AWS Machine Learning Blog75

    SageMaker SDK v3 支援邊緣端多機臺電腦視覺生命週期管理

    SageMaker SDK v3 以自動化方式支援多機臺電腦視覺模型生命週期,涵蓋訓練、品質門檻、編譯與部署。 - 核心流程:雙分支 Pipeline 分別訓練異常偵測器與缺陷分類器,並以質量門檻(AUROC≥0.8、平衡準確率≥0.6、缺陷召回率≥0.5)篩選模型。

    推薦理由:此範例示範如何在 AWS 上以自動化方式管理多機臺的電腦視覺模型,讀者可參考其訓練、品質門檻與編譯流程以提升實務部署效率。

  2. OpenAI News60

    ChatGPT 擴張工作領域

    ChatGPT 的工作世界擴張,OpenAI 釋出跨國工作活動資料,涵蓋 165 個工作專案與 100 個國家。\n- 資料範圍:2025 Q1 至 2026 Q3,覆蓋 165 個工作活動,約 100 個國家,供研究者分析 AI 在不同國家工作中的使用差異。

10月26日週一
10月25日週日
  1. Hacker News (official RSS)60

    AI 生成語言為何如此難以理解?

    本研究發現 AI 生成文本在語法複雜度上顯著高於人類寫作,難以理解。- 研究發現:AI 模型使用更多物件相對子句、長語法依賴與低頻 n-gram。- 比較結果:前沿模型傾向於不活躍主語搭配活躍動詞、堆疊名詞及縮減物件相對子句,對話中更長依賴。

10月23日週五
  1. AWS Machine Learning Blog76

    使用 Amazon SageMaker Training Session APIs,寫自己的訓練迴圈,無需管理 GPU

    Amazon SageMaker 推出 Training Session APIs,讓開發者可在本地寫自訂訓練迴圈,卻仍由雲端 GPU 執行,省去手動配置叢集。

    推薦理由:瞭解 Amazon SageMaker 新增的 Training Session APIs,可在本地編寫自訂訓練迴圈,同時享受雲端 GPU 管理與自動擴縮的便利。

10月22日週四
  1. Google DeepMind79

    全球10米解析度森林型別地圖:超越樹冠覆蓋

    ForTy 2020 是 Google DeepMind 與 Google Research 於 2026 年發布的全球 10 米解析度森林型別地圖,將每個 10×10 米地塊劃分為六種森林與土地利用類別。

    推薦理由:此研究提供全球10米解析度森林型別地圖,為 EUDR 合規與碳管理提供可操作基準,並揭示自然森林被轉為種植園的隱形變化。

  2. NVIDIA Blog84

    NVIDIA Cosmos 開啟新工具,協助訓練、評估與部署世界模型

    NVIDIA Cosmos 於近日推出一系列新工具與藍圖,旨在加速世界模型的訓練、評估與部署。 - Cosmos Data Factory:提供多模態、跨感官資料標註、增強與評估的雲端原型,支援自動駕駛、工業檢測等多種場景。

    推薦理由:NVIDIA Cosmos 透過新工具與藍圖,讓企業可快速生成多模態訓練資料,並大幅縮短自動駕駛測試週期。

  3. NVIDIA Blog76

    歐洲金融機構領先採用開源模型打造專屬智慧

    導語: NVIDIA 官方部落格報導歐洲金融機構如何利用 NVIDIA GPU 加速開源模型,從 Revolut 的 PRAGMA 到 Stripe 的 Radar,展示了成本與效能的顯著提升。

    推薦理由:文章說明歐洲金融機構如何利用 NVIDIA GPU 加速開源模型,展示成本與效能的顯著提升,對類似行業的部署策略具有參考價值。

  4. AWS Machine Learning Blog72

    使用 torchtitan 在 AWS Trainium 上訓練 Qwen3

    Qwen3 可在 AWS Trainium 上透過 torchtitan 執行訓練,本文提供三種配置方式與完整指令。 - 三種配置:使用 Transformers v5、torchtitan 原生 Qwen3、以及 NKI Mixture‑of‑Experts kernels。

    推薦理由:提供完整步驟,示範如何在 AWS Trainium 上使用 torchtitan 執行 Qwen3 訓練,對於工程師具有實務參考價值。

  5. Hugging Face Blog82

    NVIDIA Kumo Relational 零訓練即時預測,超越傳統監督式機器學習

    Kumo Relational 是一個預訓練關係型基礎模型,能在不需要任務特定訓練的情況下,直接對企業資料庫進行一次前向推論,預測流失、需求或詐騙等結果。

    推薦理由:Kumo Relational 以零訓練即時預測,顯示基礎模型可直接取代傳統 XGBoost,對企業資料科學流程帶來顯著效率提升,並提供可即時部署的開源框架。

  6. Google Research77

    AI輔助超音波為前線產科護理賦能

    Google Research 發布的研究顯示,AI 能夠在低資源環境下利用「盲掃描」超音波準確估算孕周,並與專業超音波師的結果相媲美。 - 準確度:在兩個不同地區(美國芝加哥與肯亞奈洛比)的臨床試驗中,AI 模型的平均絕對誤差(MAE)分別為 4.10 天 和 4.27 天,與專業操作的 4.48 天 相近。

    推薦理由:此研究證明 AI 能在低資源環境下以簡易掃描方式準確估算孕周,為全球產科篩檢覆蓋率提升提供可落地方案。

10月21日週三
  1. NVIDIA Blog79

    NVIDIA Cloud Partners 擴充套件歐洲雲端基礎設施 — 主權、開放與安全 AI 代理

    NVIDIA Cloud Partners 在歐洲擴大雲端基礎設施,並推出安全代理架構與開放模型服務。 - Nscale 利用 NVIDIA DSX 平臺,測試中提升 37% GPU 效率與 50% 推理吞吐量。

    推薦理由:文章說明 NVIDIA 及合作夥伴如何在歐洲擴大 AI 雲端基礎設施,並提供安全邊界與開放模型,對於想在歐洲部署 AI 代理的開發者與企業具有實務參考價值。

  2. DuckDB Official Blog88

    DuckDB 推出 2.0.0 LTS,加入遠端連線、非同步讀檔與觸發器

    DuckDB 2.0.0 是一版以新增功能為主的長期支援版本,支援至少到 2027 年 10 月。它加入非同步讀取 Parquet、CSV 和 DuckDB 自有格式,讓遠端儲存空間的查詢能同時處理更多讀取工作;新的 CONNECT 指令也能連到支援的遠端資料庫,並把查詢直接送到資料庫執行。這版還加入觸發器,可在資料新增或刪除時自動更新統計表,也讓命令列工具能用適合 AI 助理閱讀的方式呈現結果。升級前要留意,舊版 DuckDB 無法讀取由 2.0 建立的資料庫檔案;官方建議先在測試環境確認,再切換正式系統。

    推薦理由:DuckDB 2.0 把遠端資料庫連線、非同步讀檔與觸發器等功能放進同一版更新,也列出檔案格式相容限制和升級前的測試建議。

  3. AWS Machine Learning Blog76

    微調 GPT‑OSS‑20B 於 Amazon SageMaker HyperPod 上的多語言推理

    本文示範如何在 Amazon SageMaker HyperPod 上使用 SFT 與 GRPO 微調 GPT‑OSS‑20B,使其在多語言推理任務中的推理語言正確率從 22% 提升至 100%,並在答案語言上提升至 70%。

    推薦理由:本篇示範如何在 SageMaker HyperPod 上使用 SFT 與 GRPO 微調 GPT-OSS-20B,並揭示兩種技術的適用場景,對想要提升多語言推理模型的實務團隊具有參考價值。

10月20日週二