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 Blog67

    用 Amazon SageMaker HyperPod Data Capture 构建模型改进闭环

    Amazon SageMaker HyperPod Data Capture 可在端点、负载均衡器和模型 Pod 三个层级记录线上推理数据,并写入 Amazon S3。

    推荐理由:本文给出从生产推理数据采集、分析、标注到微调和并排部署的完整流程,并提供可复用配置与脚本。

  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. GitHub Blog · AI & ML68

    GitHub推出基于ModernBERT的混合式密钥扫描器

    GitHub推出由正则候选生成和微调ModernBERT上下文分类组成的密钥扫描器,并将其扩展至提交前扫描。相比原有LLM流水线,该方案使仓库所有者加权接受率提高11.5%,推送后扫描执行时间降低86%,服务成本降低超过98%;离线评测精度提高13%,召回率提高19%。

    推荐理由:GitHub公开了混合式密钥扫描器的设计与评测结果,可供读者理解如何兼顾密钥检出率、误报率与部署成本。

已经到底了