跳到正文
  1. AWS Machine Learning Blog69

    SageMaker HyperPod 检测并恢复分布式训练中的静默数据损坏

    AWS 介绍如何在 SageMaker HyperPod 的 PyTorch DDP 训练循环中检测静默数据损坏,并通过节点隔离、检查点和替换完成恢复。三项检查分别覆盖 NaN/Inf 梯度、跨节点环形重放和更新后的权重指纹;方案已在 4 个 ml.p5.48xlarge 实例、32 张 NVIDIA H100 GPU 上测试,并提供配套 GitHub 仓库。

    推荐理由:文章给出可复用的三项检查、故障定位和节点恢复流程,并用故障注入与性能数据说明检测边界和代价。

  2. AWS Machine Learning Blog68

    AWS 介绍用反统一比较形式化策略的语义差异

    AWS Machine Learning Blog 介绍了开源 semi-persistent 引擎如何利用 e-graph 和反统一比较形式化策略,通过代数规则与领域重写合并共享结构并定位语义分歧。文章以 Cedar、Dogwood、OpenShell 和 CEL 策略为例,演示从构建、运行到 CI 回归检查的流程,并说明该方法可用于审查 LLM 生成的形式化结果。

    推荐理由:文章通过多个策略案例展示如何用反统一定位形式化策略的语义分歧,并给出构建、运行和接入 CI 的完整方法。

  3. AWS Machine Learning Blog81

    在 AWS 上构建基于 A2A 的可组合跨组织多智能体系统

    AWS 演示了如何用 A2A 协议连接两个独立 AWS 账户中的多智能体系统,LangChain 编排器可通过 Agent Card 发现并调用基于 Strands Agents SDK 构建的 SaaS 智能体,双方无需依赖彼此的框架或 SDK。

    推荐理由:文章提供跨框架、跨组织智能体协作的完整 AWS 参考架构,并展示身份隔离、双向回调与信任边界测试的实现方式。

  1. AWS Machine Learning Blog60

    基于 Amazon Bedrock 和 LiteLLM 构建自助式 LLM 网关

    AWS 展示了如何将 LiteLLM 部署在 AWS Fargate 上,通过 OpenAI 兼容 API 为 Claude Code、Continue 和 Cursor 提供统一的 Amazon Bedrock 接入,并支持按用户成本控制、API key 自助签发和可观测性。

    推荐理由:文章提供完整架构与 AWS CDK 片段,并总结数百名开发者规模下的延迟、成本和权限配置经验。

  1. Hugging Face Blog72

    Hugging Face 详解 TRELLIS.2 的 LoRA 微调流程

    Hugging Face 提供了 TRELLIS.2 的 LoRA 微调脚本和 Docker 容器,可在 Hugging Face Jobs 或本地运行。

    推荐理由:文章提供完整容器、数据准备与训练命令,并说明如何按任务选择微调组件及评估几何效果。

  1. Hugging Face Blog70

    Hugging Face 讲解多向量嵌入模型的 Token Pooling 感知训练

    Hugging Face 演示如何通过 HierarchicalTokenPooling 合并相似 token 向量,并用 Sentence Transformers 训练模型在压缩后保持检索质量。

    推荐理由:文章提供可复现的 Sentence Transformers 训练示例,并量化了相同向量预算下池化感知训练对检索质量的改善。

已经到底了