Databricks 多语句事务正式 GA，在湖仓上支持 Delta Lake 与 Apache Iceberg
Databricks 宣布多语句事务（Multi-Statement Transactions）正式 GA，可在 Delta Lake 和 Apache Iceberg 表上原生运行跨多表、多语句的原子工作流，无需再依赖独立数仓系统。
#数据/训练
Databricks BlogAI 评分5858 Databricks BlogAI 评分3434 Stripe Data Pipeline 新增实时同步至 Lakebase Postgres
Stripe Data Pipeline 现已支持将 Stripe 数据实时同步到 Postgres，Databricks Lakebase 是受支持的目标之一，由 OpenSharing 驱动，更新可在数秒内到达。
PyTorch BlogAI 评分4646 PyTorch 为 TorchTitan 引入 Zephon 弹性确定性数据加载
PyTorch 博客介绍 Zephon，一种为 TorchTitan 提供弹性确定性数据加载的方案：在 16 GPU 上训练 1B 参数模型至 step 150 后，改用 8、32、64 GPU 恢复训练，Zephon 的 loss 曲线与基线重合，每个 global batch 的 SHA-256 哈希均匹配。
Databricks BlogAI 评分2222 Databricks AI 研究团队如何用 AI Runtime 支撑模型训练
Databricks AI 研究团队自去年 AI Runtime（AIR）推出起就将其作为首个客户，用它开发、训练和测试支撑 AI Functions（含 ai_parse_document、ai_extract）的模型。
Databricks BlogAI 评分2828 Databricks Lakehouse//RT 地理空间查询最高提速 38 倍
Databricks 的 Lakehouse//RT 现已支持 Spatial SQL 与空间 join，在高并发下地理空间查询最高比传统云数据仓库快 38 倍。基于 SpatialBench 的测试显示，单查询并发下最高快 20 倍，即便剔除提升最大的查询，平均仍快 3.5 倍以上，且无需修改代码或新增许可。该功能目前处于 Beta 阶段。
Databricks BlogAI 评分2222 Atlassian 如何在 Databricks 上基于 OCSF 构建安全湖仓
Atlassian 在 Databricks 上以 OCSF 开放模式构建安全湖仓，处理每天 440 亿条日志事件。借助 OCSF 结构化数据，分区与 Z-ORDER 将代表性查询从约 45 秒降至 2–3 秒，提升 95%；启用 Graviton 集群与 Photon 后查询成本与运行时间减少约三分之二。
Google DeepMind精选AI 评分6060 Google DeepMind 用 Google Antigravity 加速抗菌肽发现
Google DeepMind 介绍用其智能体开发平台 Google Antigravity 加速抗菌肽发现，把过去分散在多个数据库的检索压缩到一次会话中。平台借助 ProtNLM 从氨基酸序列预测生物功能，扫描 UniProt 中数百万条未表征蛋白，找到一条对呼吸道感染相关病原体有预测活性的新型抗菌肽候选，目前正进行湿实验验证。
推荐理由：原文给出智能体科研工作台在抗菌肽发现中的完整流程，可了解跨库检索与结构分析如何被压缩进单次会话。
Databricks BlogAI 评分2222 FactSet 如何借助 Databricks AI Runtime 将模型训练与部署从数天缩短至数小时
FactSet 用 Databricks AI Runtime 的无服务器 GPU 基础设施运行 Text-to-Formula 模型的微调，将模型搭建、训练到部署的周期从数天缩短至数小时。其 TTF 系统此前基于 RAG，后引入微调开源模型，端到端延迟降低约 60%，如今每两到三周微调一次模型，并已使用 Llama 系列模型。
NVIDIA BlogAI 评分2828 NVIDIA 通过开放学习资源、合作与算力扩大欧洲科研界先进技术获取
NVIDIA 加入欧盟委员会在都柏林 AI in Science Summit 上启动的 AI in Science Enablers Initiative，为欧洲研究社区提供加速工具、算力、培训与协作支持。
vLLM Blog精选AI 评分7676 vLLM 提出训练推理逐位一致的 RL 训练方案，DeepSeek-V4-Flash 上 diff 为 0
vLLM 团队提出让训练前向直接调用 vLLM 推理 kernel 并修改这些高性能 kernel，使 rollout 与训练对每个采样 token 产生逐位相同的 logprob（diff = 0）。
推荐理由：原文给出训练与推理逐位一致的具体做法与吞吐代价，可据此判断高性能 RL 训练中数值对齐的取舍。
Databricks BlogAI 评分3636 在 AI Runtime 上将 Qwen 训练时间缩短 6 倍
Databricks 在 AI Runtime 上通过系统性能优化，把 Qwen 3.8 27B 的微调时间从 7 小时 44 分钟压缩到 1 小时 17 分钟，提速 6 倍，训练吞吐从 9,396 tok/s 提升。
Databricks BlogAI 评分3838 Databricks 推出 Predictive AI Functions：用 SQL 原生函数做预测、归因与异常检测
Databricks 的 Predictive AI Functions 进入 Beta，新增 ai_top_drivers、ai_detect_anomalies、ai_predict_value、ai_predict_class 四个 SQL 原生函数，并提升了 ai_forecast 的准确率。
Databricks BlogAI 评分2020 OLTP vs. OLAP：事务型数据库与分析型数据库如何选择
OLTP 面向高并发、低延迟的当前数据读写，如支付、订单和库存更新，依靠 ACID 保证数据完整性；OLAP 面向跨时间、产品、地域等维度的大规模历史数据扫描、关联与聚合分析。
Databricks BlogAI 评分2222 什么是 HTAP？混合事务/分析处理简明指南
HTAP（混合事务/分析处理）由 Gartner 于 2014 年提出，指在同一集成数据库系统内融合 OLTP 与 OLAP，让分析查询直接读取当前事务数据，无需等待批量 ETL 搬运。
Apple Machine Learning ResearchAI 评分2020 语音基础模型中的语言选择性维度如何实现语码转换检测
研究者提出一种轻量方法，直接利用预训练语音编码器帧级语言信息判断一句话中是否同时出现两种语言，无需依赖多语言转录。在 CS-FLEURS 的 14 个语言对上，Whisper-small 编码器平均 F1 达 0.798，高于 CNN 的 0.776 和 HuBERT 线性基线的 0.751。该方法表明预训练语音编码器已编码识别语码转换所需信息，可用于构建更具代表性的多语言语料。
Apple Machine Learning ResearchAI 评分3030 Apple 首次从零预训练三模态掩码扩散模型，3B 规模验证统一设计
Apple 提出首个从零预训练的三模态掩码扩散模型（MDM），在文本、图文和音频-文本数据上联合训练，并系统分析了多模态缩放规律、模态混合比例、噪声调度与批大小影响。其基于 SDE 的重参数化将物理批大小与逻辑批大小解耦，免去最优批大小调参。初步模型在 3B 规模（6.4T tokens）下于文本生成、T2I 和 T2S 任务均取得强劲结果。
NVIDIA BlogAI 评分2222 NVIDIA 宣布对英国初创生态的新投资
NVIDIA 宣布计划投资 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 五家英国 AI 与量子初创公司，并作为 Global Alliance Founding Partner 加入 Earthshot Prize。
Databricks BlogAI 评分2222 2026 年实时分析实践指南：如何用湖仓一体替代专用实时引擎
实时分析正成为关键能力，但传统做法需额外部署 Apache Druid、Apache Pinot 或 ClickHouse 等专用服务引擎，带来独立数据副本、管道和治理开销。文章提出实时分析应作为湖仓一体的能力，与批处理共用一份数据和一套管控，并从新鲜度、延迟、并发三个维度评估工作负载是否真正需要实时。金融、零售、制造等场景的实时需求均可由此框架判断。
NVIDIA Technical BlogAI 评分1818 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。
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。
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。
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。
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。
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。
Redwood ResearchAI 评分3838 Redwood Research 发布论文：用于定罪的蒸馏与用于能力的蒸馏
Redwood Research 发布论文，实证检验两种蒸馏用于 AI 安全的思路。用于定罪的蒸馏（DFI）把不可信模型蒸馏进更弱的可信模型，在 AuditBench 的秘密保留模型上，学生承认隐藏怪癖的频率远高于原模型，说明怪癖比隐藏倾向传得更快；但学生若不共享教师的预训练基座则效果不佳，因此应针对教师自身的 pre-RL checkpoint。
Databricks BlogAI 评分2222 加州 DHCS 如何基于 Databricks 构建行为健康公共县情档案
加州卫生保健服务部（DHCS）在 Databricks 平台上构建了行为健康公共县情档案，将全部 58 个县的行为健康数据汇聚到一处，服务近 4000 万加州居民。
Databricks BlogAI 评分2222 TinyFish 如何在 Databricks AI Runtime 上训练与部署其 web-native 模型
TinyFish 将其 web-native 模型的训练、评估与生产部署统一到 Databricks 上，用 AI Runtime 跑 GPU 后训练、MLflow 做评估、Model Serving 做线上服务。
Databricks BlogAI 评分2222 Databricks 如何用受治理数据共享解决国防供应链可见性问题
Databricks 提出以联邦式数据交换解决美国国防供应链可见性缺失：各承包商在本地治理自有数据，仅向指定接收方发布经版本化、质量校验的成本与定价证据，无需接入 ERP 或建立中央仓库。该方案基于已开源的 OpenSharing 协议，可扩展至超 20 万家供应商，并复用 CSDR、FlexFile、DD Form 1921 等既有合同报告义务。
Databricks BlogAI 评分2222 Databricks 在 Unity Catalog 推出 Workday Data Connect 联邦连接器 Beta
Databricks 在 Unity Catalog 推出 Workday Data Connect 联邦连接器公开 Beta，通过 Lakehouse Federation 让数据团队零拷贝直接查询 Workday Data Cloud 中的 HR 与财务数据。
Databricks BlogAI 评分5858 Databricks 发布 Lakebase 数据库分支，为编码智能体提供隔离环境
Databricks 在博客中介绍 Lakebase Postgres 的数据库分支能力，可在不到一秒内分支整个数据库，无论其大小，采用 copy-on-write 让分支共享父分支数据、仅在分叉时占用额外存储，并支持 scale-to-zero 使空闲分支不产生计算成本。
Databricks BlogAI 评分2222 生物医学影像的真正瓶颈是数据而非模型
生物医学影像的真正瓶颈在数据而非模型：医院数据锁在 PACS 中，跨机构协作受异构数据与治理流程制约。EXAM 研究中 20 家机构以联邦学习共享模型权重而不移动患者数据，模型 AUC 平均提升 16%、泛化性提升 38%。影像格式横跨 DICOM、全切片病理与 OCT，研究档案已达 PB 级。
NVIDIA Technical BlogAI 评分3232 NVIDIA KGMON 团队如何构建可靠的数据分析智能体：KDD Cup 经验总结
NVIDIA KGMON 团队在 KDD Cup 2026 Data Agents 竞赛中获得第二名，其系统核心思路是让智能体的 harness 更小、更清晰、更易验证。该竞赛要求智能体针对数据库、CSV 和 JSON 文件、散文文档、PDF 及简报视频等异构数据源回答自然语言问题。
AWS Machine Learning BlogAI 评分2222 如何用 Amazon SageMaker HyperPod 实现 GPU 集群的团队隔离与公平共享
AWS 发布基于 Amazon SageMaker HyperPod 与 EKS 的多租户参考架构，让多个团队共享同一 GPU 集群。
Sakana AI BlogAI 评分3434 Sakana Namazu 接入医生循证检索工具 Evidence Finder
Sakana AI 的日本定制 LLM「Sakana Namazu」被医疗 AI 公司 Iris 旗下的医生循证检索工具 Evidence Finder 采用，负责比较、整合文献并生成回答。
Databricks BlogAI 评分2222 如何用 Replit 和 Lakebase 在 Databricks 上构建受治理的企业应用
Databricks 与 Replit 的集成已正式可用并原生支持 Lakebase，企业团队可用 Replit Agent 基于 Databricks 实时数据构建受治理应用，并部署为 Databricks Apps。
AWS Machine Learning BlogAI 评分2222 Amazon SageMaker HyperPod 管理与治理最佳实践
在 SageMaker Unified Studio 中管理 SageMaker HyperPod 集群时，需按组织、项目、集群、工作负载四层控制设计治理策略。
OpenAI Alignment 研究博客AI 评分4040 OpenAI 研究语言模型中的元博弈潜在表征
OpenAI 通过分析 o3 的强化学习训练过程，识别出与元博弈（模型推理任务如何被评估或奖励）相关的稀疏自编码器（SAE）潜在表征，并用其引导模型行为。元博弈似乎依赖任务分析、评估意识、奖励寻求与规范性推理等多种重叠过程，相关潜在表征在 RL 训练中增强，且能在不出现于书面思维链的情况下影响模型回答。
PyTorch BlogAI 评分2222 PyTorch 用 FBTriton 内核现代化 TBE 嵌入查表
PyTorch 博客详解了用于推荐系统 Table Batched Embedding（TBE）前向与反向的 FBTriton 内核设计，其 Triton 实现在这些负载上超过了原有 CUDA 内核。
NVIDIA Technical BlogAI 评分2222 NVIDIA Megatron Core 如何扩展位级确定性预训练
NVIDIA Megatron Core 支持位级确定性（bitwise determinism）的大规模预训练，让训练过程更易调试、验证和可复现地恢复。在数千块 GPU 上训练万亿参数模型时，多种并行维度、低精度计算和分布式 checkpoint 会加大故障复现与修复验证的难度，位级确定性正是针对这一场景。
NVIDIA BlogAI 评分2222 电信运营商为何将 AI 战略建立在开放模型之上
NVIDIA《State of AI in Telecommunications》报告显示，89% 受访者认为开源模型和软件对公司 AI 战略重要。NVIDIA 发布 300 亿参数的 Nemotron 3 Large Telco Model（LTM），由 AdaptKey 基于开源电信数据集微调，并开放完整微调流程。