如何用 AI 智能体重写 Apache Spark UDF 以实现 GPU 加速
NVIDIA 介绍如何借助 AI 智能体将 Apache Spark UDF 重写为基于 cuDF 的 GPU 加速实现，以应对智能体 AI 带来的大规模数据集高频复杂查询需求。cuDF 利用 GPU 的大规模并行能力和高带宽显存提升数据吞吐，目标是在成本不按比例增加的前提下满足企业级数据处理需求。
最新动态
NVIDIA Technical BlogAI 评分1818 AWS Machine Learning BlogAI 评分5858 Anchor Browser 集成 Amazon Bedrock AgentCore payments，让智能体自动完成 x402 支付
Anchor Browser 与 Amazon Bedrock AgentCore payments 集成，让 AI 智能体在浏览器会话内自动应对 HTTP 402 支付请求并完成 x402 交易，该方案已在 AWS Marketplace 上线。
Comfy BlogAI 评分5858 ComfyUI 上线 Nvidia VFX 节点，支持视频超分、插帧与 SDR 转 HDR
ComfyUI 以自定义节点形式接入 Nvidia RTX 视频效果，模型随节点分发并在本地 Nvidia RTX GPU 上运行。
OpenAI NewsAI 评分4242 Higgsfield 用 GPT-6 Astra 将 AI 视频从 1 分钟延长至 10 分钟以上
Higgsfield 借助 GPT-6 Astra 将 AI 视频生成时长从 1 分钟提升到 10 分钟以上，同时用 GPT-Image-2.5 提升画面精度，并通过 GPT-Live 打通语音电影制作路径。
Databricks BlogAI 评分2222 Databricks 首次入选 Gartner 分析与商业智能平台魔力象限，获评"远见者"
Databricks 首次进入 Gartner 分析与商业智能平台魔力象限，即获"远见者"定位，并取得所有受评厂商中最高"愿景完整性"评分之一，创下该报告 20 多年历史上厂商首次入选的最佳表现。
Databricks BlogAI 评分2222 Lakeflow Designer 2026 年 10 月更新汇总
Databricks 为 Lakeflow Designer 新增 Prepare、Unique、Guardrails 三个无代码算子，分别用于数据清洗标准化、去重和数据质量检查，并增强 Join、Filter、Select 算子，支持多表连接、动态列选择和分支输出。
GitHub Blog · AI & MLAI 评分3838 GitHub 如何用 ModernBERT 分类器实现更少噪声的密钥检测
GitHub 训练了一个基于 ModernBERT 的上下文感知密钥分类器，用于替代此前的 LLM 流水线，在推送后扫描中实现 86% 的中位执行时间下降和超过 98% 的服务成本节省，用户对告警的接受度提升 11.5%。
AWS Machine Learning BlogAI 评分2323 如何用 managed entitlements 管理 Amazon Bedrock 私有定价优惠
Amazon Bedrock 的 managed entitlements 支持从中心账户订阅 AWS Marketplace 私有定价优惠（MPPO），再向组织内多个账户分发模型访问权限。
AWS Machine Learning Blog精选AI 评分6060 在 Amazon Bedrock 上用 Grok 4.7 构建长时程智能体
AWS 团队在 Amazon Bedrock 上基于 Grok 4.7 构建工具调用智能体，在三个需要搜索而非查表验证的任务上跑了 72 次，答对 67 次，xhigh 档位 18 次全对。
推荐理由：通过 72 次可复现的智能体运行，量化了 Grok 4.7 各推理档位在正确率与 token 成本间的取舍。
AWS Machine Learning BlogAI 评分2828 ShipStation Global 如何在 Amazon Bedrock AgentCore 上构建 AI IT 服务台
ShipStation Global 工程团队基于 Amazon Bedrock AgentCore 打造了 Slack 内的 AI IT 服务台智能体 Deckhand，可解答常规 IT 问题、识别报错截图并创建和更新 Jira Service Management 工单。
AWS Machine Learning BlogAI 评分2828 Orca Security 如何用 Amazon Bedrock 构建自然语言安全查询
Orca Security 与 AWS 合作在 Amazon Bedrock 上构建了自然语言查询智能体 Discovery AI，可将自然语言问题转换为 Sonar 查询。
AWS Machine Learning BlogAI 评分2929 Amazon SageMaker AI 上的 MoE 内核工程优化实践
针对 MoE 模型在 decode 阶段 M 维过薄导致的 GPU 利用率瓶颈，团队通过 Swap-AB 转置让专家维度 N=8192 占据 WGMMA 首个操作数位置，在 H200 上实现端到端输出吞吐提升 2–4%，该优化已合入 vLLM 0.24.0 及之后版本。
Apple Machine Learning ResearchAI 评分3636 Apple 研究：双语预训练混合数据在数据受限场景下优于超参数调优
Apple 研究团队用阿拉伯语为目标语言、英语为辅助语言，在 150M 至 1.43B 四种模型规模上进行了约 1000 次预训练对比，发现混合高资源语言数据在验证损失和下游任务准确率上均优于超参数调优，且差距随模型规模扩大。混合带来的提升相当于 2–3 倍目标语言独有数据（验证损失）和 2–13 倍（下游任务准确率）。研究建议优先调整混合比例，并通过 μP 从小代理模型迁移超参数。
NVIDIA Technical Blog精选AI 评分6060 NVIDIA 将 Run:ai 平台开源，纳入 DSX AI Factory 平台
NVIDIA 宣布将完整的 Run:ai 平台以开源软件形式发布，向客户、开发者和生态伙伴开放生产级 AI 工作负载与 GPU 编排能力。该版本把 Run:ai 定位为开放基础，用于扩展 NVIDIA DSX AI Factory 平台，让更广泛的生态在此基础上推出差异化方案。
推荐理由：NVIDIA 把 Run:ai 全量开源并纳入 DSX 平台，读者可据此了解 GPU 编排能力的开放范围。
Tessl BlogAI 评分2222 你的软件工厂有多开放？Tessl 谈 AI 软件工厂的知识可迁移性
Tessl 提出评估 AI 软件工厂开放性的关键问题：能否把企业上下文带进去，又能否把工厂积累的知识带出来。文章指出，代码可以带走，但架构决策、技能、评估用例和学到的约束等 know-how 往往留在平台内；支持多模型、接入外部 coding agent、私有化部署都只是起点，真正的开放应让这些知识可检查、可提取、可复用。
PyTorch BlogAI 评分2424 IBM 如何用 Inductor 扩展 Spyre 加速器的 torch.compile 后端
IBM 将 Spyre 加速器的 torch.compile 后端从自研的 sendnn 编译栈迁移到 PyTorch 开源 Inductor，编译器体积缩小约 7 倍。
NVIDIA Blog精选AI 评分7878 NVIDIA 公布 RTX Spark 首发软件生态：本地智能体、Nemotron 3.5 Bolt 74B 与 DLSS 5
NVIDIA 公布 RTX Spark 笔记本首发（10 月 16 日）的软件与生态更新，覆盖本地智能体、创作应用和开发者工具。
推荐理由：梳理了 RTX Spark 首发时本地智能体、创作与开发工具的适配清单，可据此判断端侧 AI 工作流的可用边界。
NVIDIA NewsroomAI 评分1010 NVIDIA 登陆欧洲，GTC Berlin 大会即将举行
NVIDIA 将于 10 月 20-22 日在柏林举办 GTC Berlin 大会，与欧洲开发者、研究人员和行业领袖共同展示未来技术。大会最新动态和新闻将持续发布，敬请关注。
NVIDIA BlogAI 评分2828 NVIDIA 宣布对法国初创公司 Doctolib、Entalpic、Genesis AI 和 Pigment 进行新投资
NVIDIA 宣布计划投资 Doctolib、Entalpic、Genesis AI 和 Pigment 四家法国初创公司，覆盖医疗、材料发现、物理 AI 和商业规划领域。
Apple Machine Learning Research精选AI 评分6060 Apple 与约翰霍普金斯提出 SELFCOMPACT：让语言模型智能体自行压缩上下文
Apple 与约翰霍普金斯大学研究者提出 SELFCOMPACT，让模型自己决定何时以及如何压缩上下文，由模型调用的压缩工具和一份轻量 rubric 两部分组成，无需微调或外部监督。
推荐理由：论文提出让模型自行决定何时压缩上下文的脚手架，并给出六个基准、七个模型上的成本与效果对比。
Apple Machine Learning ResearchAI 评分3838 Minions：基于闲置 Apple Silicon 设备构建的动态分布式虚拟 GPU 云
Apple 研究团队提出 Minions，一个将多台 macOS 设备上闲置的 Apple Silicon GPU 聚合起来、执行大规模机器学习推理的动态分布式虚拟 GPU 云。系统支持灵活的 GPU 推理任务执行、容错和高效资源利用，让团队无需额外采购 GPU 即可复用现有硬件。研究称，在集中式 GPU 资源受限的环境中，闲置 macOS 设备可转化为实用的分布式 GPU 推理平台。
Apple Machine Learning ResearchAI 评分3030 大语言模型用于机器翻译质量标注：人类与模型双双面临挑战
Apple 研究团队评估了 LLM 在 MQM 和 ESA 两种机器翻译质量标注方案上的表现，在覆盖 70 个语言对的长上下文测试集及 WMT23、WMT25 公开数据上对比其与人类标注者的一致性。
Microsoft ResearchAI 评分4141 微软 StudentSim：用个性化学生模拟器评估和改进 AI 辅导系统
微软研究院推出 StudentSim，一种从公开去标识化学习记录中训练个性化 AI 学生模拟器的研究系统，让 AI 辅导工具在接触真实学习者之前就能获得反馈信号。
vLLM Blog精选AI 评分6262 vLLM 引入双向 KV 传输，多轮智能体负载 TTFT 最高降低 3.3 倍
vLLM 新增双向 KV 传输能力，让 decode 节点把已计算的 KV 块回传给 prefill 节点，避免多轮对话中重复计算历史上下文。在 1P1D 部署、Amazon EC2 P5en 加 AWS EFA 的测试中，最长提示下 Qwen3-32B 的 TTFT 降低约 1.6 倍，zai-org/GLM-5-FP8 降低约 3.3 倍。
推荐理由：原文给出双向 KV 传输的架构、可调参数与复现步骤，读者可据此评估多轮智能体场景下的 TTFT 收益。
AWS Machine Learning BlogAI 评分3434 在泰国、马来西亚、新加坡、印尼和台湾通过 Amazon Bedrock 全球跨区域推理调用 OpenAI GPT-6 模型
Amazon Bedrock 现支持在泰国、马来西亚、新加坡、印尼和台湾五个 AWS 区域通过全球跨区域推理调用 OpenAI GPT-6 Sol、GPT-6 Luna 和 GPT-6 Astra。
GitHub Blog · AI & MLAI 评分3030 GitHub Copilot 入门：如何让 Copilot 了解你的代码库
GitHub Copilot 可通过四种方式定制项目上下文：用 `.github/copilot-instructions.md` 定义仓库级规范，用 `.github/instructions` 中的 applyTo 字段指定路径级规则，用 `.github/skills` 下的 SKILL.md 打包可复用流程，用 `.github/agents` 定义专用自定义智能体。
NVIDIA Technical BlogAI 评分2222 ReplaySSM：重新思考混合模型解码的状态存储
NVIDIA 提出 ReplaySSM，重新思考混合模型解码时的状态存储方式。NVIDIA Nemotron 3、Qwen3.5 至 Qwen3.8、Kimi-K3、GLM-5.3-Flash 等混合模型将 SSM 层与少量注意力层交错，SSM 层用固定大小状态替代随序列增长的 KV cache 以实现快速解码。
Databricks BlogAI 评分2222 Flo Health 如何用 Databricks AI Runtime 构建更安全、更实用的开放模型
Flo Health 借助 Databricks AI Runtime 在无服务器 NVIDIA H100 GPU 上对开放模型做分布式微调，用 26 个 AI 评委（12 个医疗安全、6 个微观行为、8 个实用性）作为奖励信号，生成超 15,000 条隐私优先的合成问题，并采用监督微调加 DPO 的偏好优化流程。
AWS Machine Learning BlogAI 评分3434 如何用 Ray LLM Deep Learning Containers 在 Amazon EKS 上运行多节点推理
AWS 发布 Ray LLM Deep Learning Containers，可在 Amazon EKS 上用两个 GPU 节点部署单个大语言模型，将 prefill 与 decode 阶段分离并统一在一个 OpenAI 兼容端点后。该容器内置 vLLM、Ray Serve LLM、NIXL 和 EFA 栈，整个服务应用仅需一段 YAML，无需编写 handler 或构建自定义镜像。
AWS Machine Learning BlogAI 评分2828 在 Amazon SageMaker AI 上用 llama.cpp 部署决策模型
AWS 发布 llama.cpp 专用深度学习容器（DLC），可在 Amazon SageMaker AI 上以 CPU 或 GPU 托管量化模型，并通过 InvokeEndpoint 提供 OpenAI 兼容的 chat completions。
NVIDIA NewsroomAI 评分5858 NVIDIA 与 Cisco 推出 USFP 可插拔光模块规格，单通道 400Gb/s
NVIDIA 与 Cisco 宣布推出 Ultra-Dense Small Form Factor Pluggable（USFP）高密度光模块方案，设计支持每通道 400Gb/s 电信号，单模块容量可达 12.8Tb/s。
NVIDIA NewsroomAI 评分3434 NVIDIA 在 OCP 全球峰会开放 Vera Rubin 架构，助力全球 AI 工厂规模化
NVIDIA 在 OCP 全球峰会上通过 MGX 开放架构贡献 Vera Rubin 机架与计算托盘设计，并发布 MGX 1.2 规范，支持最高 250kW 机架部署和液冷 5,000A 母线。
Tessl BlogAI 评分5050 如何只用自己拥有的文件约束编码智能体
用一份 ticket 测试编码智能体时，无约束运行只通过 8 项检查中的 1 项，而配置了 charter 的运行通过 8/8。charter 由四个杠杆组成：CLAUDE.md 指令、.claude/rules/ 路径规则、.claude/commands/ 等能力配置，以及唯一能拒绝写入的 .claude/hooks/。作者指出，绿色评分不等于正确变更，语义权限检查仍需人工审查。
Sakana AI Blog精选AI 评分6262 Sakana AI 提出 MASS：用多智能体自监督实现递归自我改进
Sakana AI 发布论文《Recursive Self-Improvement through Multi-Agent Self-Supervision》，提出 MASS 方法：一个共享模型通过虚拟子智能体团队解题，搜索更优的多智能体工作流，再用自身判断选出最佳方案，并把最佳团队的执行轨迹蒸馏回共享模型。
推荐理由：论文给出多智能体自监督在递归自我改进中的三轮关键结论，并提示同质化自我评估的安全风险。
Tessl BlogAI 评分3434 为什么 Skills 需要一条上下文流水线：Tessl 谈智能体的上下文工程
Tessl 将一场 AI Native DevCon 演讲《Skills Everywhere》转化为智能体可用的 skill 上下文，核心主张是：企业落地智能体的瓶颈往往不是模型不够强，而是上下文工程不到位。
Tessl BlogAI 评分3636 Mozilla.ai 谈智能体需要共享知识库：cq 项目如何让经验可复用
Mozilla.ai 在 AI Native DevCon London 上介绍了 cq 项目，其基本单元是知识单元：智能体遇到非显而易见的问题并找到解法后，将领域、洞察和采取的动作结构化提交，经审核后可被其他智能体查询复用。cq 默认本地运行，使用本地 SQLite 数据库，数据无需离开本机，也可连接远程服务器构建团队级知识库。
Tessl BlogAI 评分3838 Agent Skills 是供应链组件：Tessl 博客谈 AI 智能体技能安全
Tessl 博客指出，Agent Skills 一旦被智能体信任，就能影响其读取内容、调用工具与信任边界，因此应被视为供应链组件。研究扫描约 4,000 个公开技能，发现可疑下载、凭证风险、类恶意行为与安全漏洞等问题。核心风险在于私有上下文、不可信内容与外部通信三者叠加，仅靠"先读一遍"不足以构成安全模型。
Tessl BlogAI 评分3434 一个大脑：如何用 OpenClaw、Obsidian 和 Telegram 构建组织记忆
Leapfrog 团队用 OpenClaw、GitHub 仓库、Obsidian 和 Telegram 搭建了一套"组织大脑"，让公司知识与客户生产知识可通过自然语言查询。
Tessl BlogAI 评分3636 智能体代码审查的解剖：Tessl Code Review 如何重构 PR 审查流程
Tessl 提出智能体代码审查的六部分结构：标准、视角、发现、裁决、逐条回应与记忆，其中标准以 skills、docs 和 rules 形式存放在仓库中作为上下文。
Tessl BlogAI 评分88 AI DevCon NYC 2026 重返布鲁克林，聚焦智能体编程规模化
AI DevCon 宣布重返纽约，将于布鲁克林 Industry City 举办为期两天的大会，面向在真实代码库中使用 AI 智能体的开发者与团队。2026 年大会聚焦将 AI 原生开发从个人扩展到团队、代码库和平台，并已开放演讲征集，议题涵盖 harness engineering、agent enablement、软件工厂等方向。