公众号：百度智能云（文心）
AI 评分 29/100
8月13日，百度智能云在“AI for Space·云智太空智能专题论坛”上展示面向太空场景的AI全栈底座，涵盖昆仑芯算力底座、百度百舸训练平台、千帆模型平台及胜算数据智能平台。百度胜算、伐谋、搭子三类Agent分别解决载荷异常溯源、研发组合优化与办公协同提效，其中搭子已覆盖核心办公场景并实现数倍提效。论坛结论指向商业航天正从“拼发射频次”走向“拼智能密度”。
8月13日，百度智能云在“AI for Space·云智太空智能专题论坛”上展示面向太空场景的AI全栈底座，涵盖昆仑芯算力底座、百度百舸训练平台、千帆模型平台及胜算数据智能平台。百度胜算、伐谋、搭子三类Agent分别解决载荷异常溯源、研发组合优化与办公协同提效，其中搭子已覆盖核心办公场景并实现数倍提效。论坛结论指向商业航天正从“拼发射频次”走向“拼智能密度”。
Databricks 探讨在数据仓库中应用 AI_Functions 的主要场景，帮助组织在结构化数据之外处理非结构化数据。文章聚焦于如何通过该功能将 AI 能力直接集成到 SQL 工作流中，以扩展数据仓库的分析边界。具体用例与实现细节以原文为准。
蚂蚁百灵与 ASystem 团队合作，用 Ling-3.0-tiny 和 AReno 在 DGX Spark 上跑通单机 Agentic RL 后训练闭环。以井字棋为最小验证任务，用 GSPO 算法训练 400 步后，rollout/rewards_mean 从约 -0.5 升至 0.4，response_len 降至约 850 tokens，工具调用与动作选择趋于稳定。
Scottish Water 在其资本投资（CI）项目中部署 Databricks Genie，让团队通过自然语言对话直接查询投资数据，替代传统报表流程。该系统将数据查询时间从数天缩短至分钟级，使非技术员工无需编写 SQL 即可自助获取答案，并支持后续追问与数据钻取，提升了跨团队的数据可及性与决策效率。
AI 幻觉指模型生成听上去连贯自信、但事实错误或凭空捏造的输出。Databricks 从技术角度剖析了幻觉产生的根源，并介绍了降低幻觉风险的常见方法，包括检索增强生成（RAG）、微调与提示词约束等，帮助开发者在实际应用中识别与规避这一现象。
Google Cloud 在 BigQuery Graph（预览版）中引入 measures 支持，将治理指标与关系映射统一，使 AI 智能体能在图结构上基于精确指标进行推理，解决传统表格无法追踪多跳业务关系导致错误决策的问题。
AWS 开源的 Strands Robots（Apache 2.0）通过单一智能体循环，将机器人演示记录、基于 Hub 数据流的策略训练及硬件部署整合在一起，全程保持 LeRobot 磁盘格式不变。
苹果机器学习研究团队提出，在模型遗忘任务中，对训练数据中影响可忽略的点无需逐一移除，从而降低计算成本。通过对比语言与视觉任务中的影响力函数，他们识别出对模型输出影响极小的数据子集，并据此优化遗忘流程。该方法挑战了现有遗忘技术对所有遗忘集数据点一视同仁的做法。
美团技术团队 8 篇论文被 KDD 2026 收录，覆盖推荐大模型、奖励建模、智能体搜索、自动竞价等领域，其中 MTFM 已构建统一基座推荐大模型并完成全量，MTGenRec 相比 TorchRec 取得 1.6 倍~2.4 倍训练加速。大众点评技术部获 2026 KDD Cup DataAgents 赛道冠军与季军，相关代码已在 GitHub 开源。
Amtrak 正为 50 多年来最大规模转型构建数据骨干，将每列新列车组视为数据生成资产。该智能平台连接列车运营与维护数据，支撑其现代化改造。具体技术架构与部署细节未在原文中展开。
加拿大最大铁路网络之一借助 Databricks 的 Genie Code 将数据管道创建规模化，覆盖约 20,000 英里铁路线路。该方案通过自然语言生成代码，显著降低工程门槛，使更多团队能自主构建管道，提升数据工程效率。
安嫩伯格公共政策中心最新民调显示，美国公众对数据中心建设的反对声浪快速上升，且这一情绪跨越党派界限。民调数据与先前相关预测趋势高度吻合。
CMU 研究团队提出，基于 forking-sequences 架构的模型可在单次前向传播中天然生成多个重叠预测，推理时集成几乎零额外编码器计算。新指标 sFPC 实时衡量预测修订幅度，Excess Volatility 则只惩罚偏离真实值的修订。
CMU 研究团队正式定义并系统评测了 forking-sequences 训练范式：它无需新增参数，在一次前向传播中跨所有预测创建日期编码解码整条序列。
Nathan Lambert 历时数年撰写的后训练教科书正式发布，书中总结了训练开源模型的经验教训。作者提炼出 5 个实用要点，涵盖后训练领域的关键实践与洞察，为研究者和工程师提供系统参考。
苹果机器学习研究团队系统对比了扩散语言模型（DLMs）与自回归语言模型（ARMs）的性能表现。ARMs 虽在多项 NLP 任务上精度领先，但因逐 token 生成的顺序依赖导致算术强度较低。DLMs 作为新兴范式展现出潜力，研究对其性能特征进行了详细刻画。
Databricks 发布 FILE 原生列类型，用于在 Lakehouse 中直接存储和管理多模态数据。该类型将文件作为一等公民纳入表结构，支持图像、音频、视频等非结构化数据与结构化数据统一处理，简化了多模态数据管线的构建与查询。
连续扩散与流匹配模型有望成为语言建模中自回归方法的有力替代，可解锁加速采样与倾斜等连续模态优势。近期研究通过高斯分布与one-hot编码数据分布间的简单流匹配过程，实现离散数据的连续生成，并借助分类流映射（CFMs）验证了加速采样的可行性，样本质量具有竞争力。
小红书联合浙江大学、复旦大学提出 CULTURE-MT，这是首个面向中英社媒笔记翻译、兼顾文化符号传递与情感共鸣的评测基准，并首次提出「文化有效性」评估标准与自动评估模型 JUDGER（准确率 86.03%）。
Apple 提出深度低秩残差蒸馏方法，在锁定预训练权重的同时实现模型压缩。该方法通过低秩残差结构蒸馏知识，避免直接修改原始权重，从而保留预训练模型的既有能力。研究展示了该方法在保持模型质量的同时，为开源权重模型的高效适配提供了新路径。
百度沧海·存储团队与北京大学、阿姆斯特丹自由大学合作的论文《MetaDB》入选NSDI'27 Operational Systems Track。该系统让底层数据库理解目录树结构，高并发同目录操作下吞吐最高提升10.7倍，已在百度智能云生产环境稳定运行超5年，支撑EB级存储规模。
研究发现扩散 Transformer（DiT）图像生成流程中，预训练 ViT 编码器和 DiT 去噪器均会产生离群 token，尤其在中间层，且简单掩蔽高范数 token 无法改善性能，问题与局部 patch 语义损坏相关。为此提出 Dual-Stage Registers（DSR）干预方法，在 ImageNet 和文生图任务上持续减少离群伪影并提升生成质量。
Meta 推出多阶段序列模型，将离线用户建模与在线排序解耦，并采用密集 token 化与目标感知注意力，使序列学习具备可预测的 LLM 式扩展定律。该架构已为 Instagram 转化率带来 6% 的累计提升，Facebook 转化率提升 3%、广告点击量提升 3.5%，并成为 Meta 生成式广告推荐模型（GEM）的核心组件。
Databricks 为 dbt 管线引入基于 Query Tags 的细粒度用量归因，可精确追踪每个模型或任务的算力消耗。该方案帮助团队定位成本翻倍的具体模型，将仓库账单与 dbt 模型一一对应，从而优化资源分配与成本控制。
Cursor 开源 Mixture-of-Kittens（MoK），一个为 GB300 NVL72 从零设计的 MoE 训练兆内核，将所有通信与计算融合进单一确定性内核。
NVIDIA 在 FMS 大会上宣布开源 cuFile API 及底层存储软件栈，让 GPU 可直接读写存储，访问延迟降至微秒级。其 Vera CPU 在两级压缩与加密流水线中吞吐量比 x86 CPU 最高提升 3.21 倍，并联合 40 多家厂商推出 Storage-Next 计划。
Meta 通过内核、精度、并行、网络与内存的协同设计，将广告推荐基础模型 GEM 的端到端训练效率翻倍至 20–25% MFU，并在 12 个月内将训练 FLOPs 扩展 4 倍。
更智能的AI模型可能将算力价格推高至当前的10倍。智能提升带来的推理成本增长，将直接传导至算力市场定价。这一趋势源于模型能力与计算资源需求的正向关联，而非单一技术突破。
生成式 AI 可将分散的销售、运营与财务数据自动汇总为高管晨报，替代手动整理多份报告的工作。Databricks 展示了该方案如何按角色定制洞察，并强调数据治理与事实核查对确保报告可信度的关键作用。
Databricks 宣布 Variant 正式全面可用（GA），用于更快速、高效地摄取 JSON、XML、CSV 等半结构化数据。该功能旨在简化传统上复杂的数据导入流程，提升处理效率。
百度智能云在2026可信云大会上分享百度百舸AI计算平台在具身模型训练、推理、仿真和资源管理方面的最新实践。平台针对VLA模型和全身控制策略两类场景优化，VLM多模态混合训练吞吐提升约1至5倍，π0.5和GR00T N1.7训练吞吐分别提升2.08倍和1.75倍，Isaac Sim任务启动时长减少83.3%。IDC报告显示，2025年百度智能云以29.55%市场份额位居中国具身智能云市场第一。
机器人操作需根据任务、物体和交互环境调整动作执行方式。MoMo 提出两阶段模仿学习框架，包含时空动作分词器和行为克隆 Transformer，将任务与连续运动模式条件作为输入。在六项真实机器人操作任务中，改变该条件可稳定生成不同执行风格的动作。
Apple研究团队展示了UMAP内部kNN图在数据理解中的潜力，该图在原始高维空间编码数据流形。将PageRank、k-core分解和聚类系数等图算法应用于该图，可识别代表性数据点、揭示密集核心与稀疏边缘。在MNIST和Fashion MNIST上的评估表明，这些方法与k-medoids、HDBSCAN等专用方法具有竞争力或互补性。
Databricks 推出实时欺诈预防方案，帮助政府福利项目减少欺诈和不当支付。该方案利用数据湖仓架构，结合机器学习模型实时分析交易模式，在支付前识别异常行为。Databricks 强调其方案可处理大规模数据流，并已在美国多个州级项目中验证有效性。
Miles 团队在 Blackwell 架构上实现了两种原生低精度强化学习方案：端到端 MXFP8 和 MoE 专家权重的逐 token NVFP4。在 8x B200 上对 Qwen3-30B-A3B 的消融实验中，BF16 与所有五种低精度配置的原始奖励曲线高度重合，且 MXFP8 和 NVFP4 减少了推理时间。
小红书 dots 团队提出 Vision-OPD，一种区域到全局在线自蒸馏框架，让模型无需外部教师或推理工具即可从全图中识别细粒度证据。仅用约 6.2K 条全自动合成数据，Vision-OPD-9B 即在多个细粒度基准上以 79.68 平均分总体第一，超越 Gemini-3.5-Flash、GPT-5.4 等闭源模型，同时保持通用视觉任务表现。
LangChain 利用 Hex、dbt、语义模型和可观测性工具构建了一个可信数据智能体，将自服务分析规模提升了 40 倍。该方案通过语义层统一指标定义，结合 Agent 框架实现自然语言查询，并借助可观测性监控查询质量与数据血缘。这一 Agent-First 数据栈为团队提供了从数据准备到自助分析的端到端可信路径。
Databricks 提出 AI 素养框架，定义了个体理解并有效使用 AI 工具的能力。该框架涵盖基础概念理解、工具实操、伦理评估与协作实践四大维度，并配套提供评估工具与培训指南。企业可据此设计内部 AI 培训计划，提升团队在 LLM、RAG 等关键技术上的应用水平。