微软与 Hugging Face 发布 ThinkingBox-Training,将数据库状态检查转化为智能体 RL 奖励
微软与 Hugging Face 联合开源 ThinkingBox-Training,将原本用于评测智能体的数据库终态可执行检查转化为强化学习奖励函数,用于智能体后训练。
微软与 Hugging Face 联合开源 ThinkingBox-Training,将原本用于评测智能体的数据库终态可执行检查转化为强化学习奖励函数,用于智能体后训练。
IBM Research 推出 Granite Timeseries Ensemble,通过统一接口组合 PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1 和 TTM-r3 四种不同架构的预训练模型。
NVIDIA 推出预训练关系型基础模型 Kumo Relational,无需任务特定微调与特征工程,直接在企业级关系型数据库上通过单次前向传播进行预测。在 15 个数据库的 41 项基准测试中,其少样本上下文学习表现超越了专家工程构建的梯度提升树流水线与监督深度学习模型,并支持扩展至超 500B 行数据。
Hugging Face 介绍了在 AWS Trainium 上利用开源 PyTorch 后端 TorchNeuron 进行推理性能系统级分析的方法。开发者可通过结合 `torch.profiler` 与 NeuronConfig 配置,并使用 PrivateUse1 扩展点捕获系统及硬件指令轨迹。
Hugging Face 宣布旗下 Transformers、Diffusers 和 Kernels 库通过原生 PyTorch 后端 TorchTPU 获得 TPU 原生支持,不再依赖 Optimum TPU 或 torch_xla。
推荐理由:此前在 TPU 上运行 PyTorch 往往受限于图重编译或需改写 JAX,原生后端接入后开发者能直接将 TPU 视作普通设备调用。