来源: aws.amazon.com
35
当企业的 BI 平台使用多年后，问题通常不在于“缺少报表”，而在于报表太多、性能太慢、口径难以统一，业务人员不得不反复依赖数据团队。GoDaddy 将原有 BI 工具迁移到 Amazon Quick，历时两年，最终每年节省 15,000 小时，将仪表板数量减少 50%，渲染时间压缩到 5 秒以内，并把 AI 驱动的自助分析能力开放给全体员工。 这不是一...
来源: aws.amazon.com
35
让患者通过自然对话预约移动采血服务，看起来只是“语音识别加大模型”。真正进入生产环境后，系统却必须同时处理双向音频流、工具调用、身份验证、预约冲突和等待体验。Natera 基于 Amazon Bedrock AgentCore 构建的自动化语音智能体，将这些问题拆成双 WebSocket 桥接、事件驱动的延迟掩蔽和渐进式信任认证，并在其测试场景中实现了...
来源: aws.amazon.com
30
Amazon SageMaker Python SDK v3 重新设计了 script mode：训练和部署流程分别围绕统一的 与 组织，而 可以在任务运行时把本地代码同步进指定容器。对于已有自定义训练脚本、又不想每次改一行代码就重新构建 Docker 镜像的团队，这会明显缩短迭代回路。 传统的 bring-your-own-container 流程，...
来源: aws.amazon.com
43
监督微调的数据准备并不止于清洗格式和删除重复项。进入进阶阶段后，更重要的问题是：现有数据是否足够、下一批数据应该补什么、合成样本是否真的有增益，以及如何加入新能力而不让模型遗忘原有能力。 这些问题不能只靠数据量回答。更可靠的方法是把学习曲线、子集选择、合成与蒸馏数据、数据源混合放进同一个迭代闭环，并始终用独立评测集验证结果。 学习曲线的做法很直接：从训...
来源: aws.amazon.com
46
监督微调（SFT）的效果上限，往往在训练开始前就已经确定了。模型并不会自动修复含糊的指令、错误的答案、混乱的对话结构或不一致的工具调用格式；它只会尽可能学习数据中反复出现的模式。 因此，数据准备不应被看成把几段文本转换成 JSONL 的机械步骤，而应当包括质量检查、统一格式、明确推理与工具调用结构，以及构造有代表性的训练集和评测集。 高质量 SFT 数...
来源: aws.amazon.com
34
当 AgentCore 代理和知识库位于不同 AWS 账户时，企业不必复制源数据，也不必把分析型数据迁移到代理所在账户。通过跨账户 IAM 授权，可以让一个账户中的 Amazon Bedrock AgentCore 代理调用另一个账户中的 Amazon Bedrock Knowledge Base，并从由 Amazon Redshift Serverl...
来源: infoq.com
44
数据平台接入一个新数据集，真正耗时的往往不是复制文件，而是反复确认字段、分类级别、处理步骤、质量规则和责任人，再把这些要求写进一套专用代码。AWS 介绍的规格驱动组合（specification-driven composition）换了一个切入点：用声明式规格表达意图，把实际处理交给可复用能力，并在执行前完成验证。AWS 报告称，这种方式可以把数据集...
来源: cloud.google.com
36
AI Agent 开始承担持续运行、批量执行和多步骤协作的任务后，企业面对的成本问题已经不同于传统的软件订阅。业务用户可能每天稳定使用生产力工具，开发团队却可能在发布前集中运行大量代码 Agent，后台 Agent 还会在夜间持续消耗模型推理资源。只按“每个用户多少钱”来管理，往往看不见真实的运行成本，也很难在创新和预算之间取得平衡。 面向 Gemin...
来源: postgr.es
35
UUID 作为主键很方便，但不同 UUID 版本对 PostgreSQL 插入性能的影响并不相同。一次真实迁移显示，在 PostgreSQL 18.4 上将部分表的主键默认值从 UUIDv1 或 UUIDv4 切换到 UUIDv7 后，某些高频多行 INSERT 的平均执行时间从 0.7ms 降到 0.03ms，提升约 23 倍。 这不是所有表都会获得...
来源: blog.rust-lang.org
43
Rust 项目宣布了首批 Maintainers in Residence（MiR）和 Maintainer Grant 获得者。六位长期贡献者将在未来至少 12 个月获得稳定资助，专注于 rustup、标准库、编译器、Clippy 和 rustdoc 等关键项目的维护工作。 这项计划的意义不只是“给开源贡献者发工资”。它试图解决一个长期存在的问题：用...