Octave 如何基于 Amazon Bedrock 构建安全的多租户 AI 基础设施
Octave 在 AWS Machine Learning Blog 上讲解了如何用 Amazon Bedrock 为质量管理系统 Reliance 构建多租户 AI 基础设施，这套基础架构将每个用例的部署时间缩短了 50%。
#数据/训练
AWS Machine Learning BlogAI 评分3131 AWS Machine Learning BlogAI 评分4444 在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 实现多语言推理
AWS 演示如何在 Amazon SageMaker HyperPod 上对 GPT-OSS-20B 进行微调，使其用法语、德语、西班牙语或意大利语推理。该开源权重模型基线仅 22% 的测试用例用目标语言推理（法语、西班牙语、意大利语均为 0%）。
Hugging Face Blog精选AI 评分7171 NVIDIA 发布 Kumo Relational 关系型基础模型，无需训练即可在关系数据上超越监督式机器学习
NVIDIA 发布 Kumo Relational，一个预训练关系型基础模型，直接在企业数据库上做预测：给定预测查询，它收集最多 10,000 条历史样例作为上下文，在单次前向传播中预测流失、需求或欺诈等结果，无需任务专用训练、特征工程或表扁平化。
推荐理由：原文给出了基准数字、架构原理和开源入口，读者可以据此评估用预训练模型替代表格机器学习管线的可行性。
AWS Machine Learning BlogAI 评分4040 i14 Laplace 3B 线性注意力模型在 AWS Trainium2 上用原生 PyTorch 训练与服务
i14 的 Laplace 3B 用线性注意力替代 softmax attention，循环状态固定为每序列 29.5 MB，不随上下文增长。
Mistral AIAI 评分5858 Mistral 发布首个时间序列基础模型 Timestral，209M 参数拿下三项公开基准第一
Mistral 发布首个时间序列基础模型家族 Timestral，参数规模 5M 到 209M，其 209M 模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准上排名第一，成绩已提交排行榜。
Microsoft ResearchAI 评分4747 微软 StudentSim：模拟学生学习以改进 AI 辅导系统
Microsoft Research 推出研究系统 StudentSim，通过个性化 AI 学生模拟器在接触真实学习者前评估和改进 AI 辅导工具。系统基于公开去标识化的学习者记录，分两阶段训练每个学生的专属模拟器，并随配套基准 StudentSimEval 从行为保真度和指导响应性两个维度评估，覆盖国际象棋、二语英语写作和数学。
Microsoft Research精选AI 评分6666 微软亚洲研究院开源 Agent Lightning v1.0：3,500 行代码的 Harnessed Agentic RL 框架
微软亚洲研究院发布 Harnessed Agentic RL 训练范式并开源重建的 Agent Lightning v1.0，让部署时使用的真实 agent harness 直接参与强化学习，无需在训练框架内重新实现 agent。
推荐理由：部署用的 agent harness 直接参与 RL 训练，免去在训练框架内重写 agent，并用 Kubernetes jobs 替代付费 sandbox 降低规模化成本。
Berkeley AI ResearchAI 评分4848 ABBEL：教 LLM 更新信念状态以实现高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将摘要建模为自然语言信念状态并对其内容进行监督，解决递归摘要（context compaction）在长程交互中的性能损失。