数据 / MLOps

OpenAI 模型将登陆 Google Cloud，进入 Gemini Model Garden

头部模型与云平台打通，OpenAI 前沿模型和 Codex 工作流将经 Google Cloud Marketplace 提供，影响模型获取与部署路线。

微调 GPT-OSS-20B 多语言推理，SFT 将准确率从 22% 提升至 100%

用数据证明 SFT 可修复推理语言偏好，GRPO 仅在存在提升空间时有效，指导微调策略选择

SageMaker AI 无服务器模型定制新增 training sessions GA，可自定义后训练循环，无需管理 GPU

让团队可自定义损失函数/奖励信号和多轮 RL，托管 GPU、分布式执行、故障恢复与 checkpoint，降低模型定制门槛。

Octave 在 Amazon Bedrock 构建多租户 AI，搜索 20 亿文档不跨租户边界

展示如何在严格隔离要求下用嵌入和 AgentCore 实现合规的 AI 搜索，对受监管行业有参考价值

Bedrock 上 Claude 全系模型支持结构化输出，约束解码保证 JSON 合规

在生成阶段而非事后用 JSON Schema 强制约束，让输出格式由概率性变为确定性，可直接去掉解析重试与后处理层，简化 Agent 与抽取流水线。

Databricks 与 NVIDIA 简化企业数据定制开放模型

对企业数据定制开放模型有参考价值，但材料细节不足。

NVIDIA 演示用 AI 智能体将 Spark UDF 重写为 cuDF GPU 实现

它把数据管道从 CPU 迁移到 GPU 的改写工作交给智能体执行，为高吞吐 ETL 的低成本加速提供了可参考路径

为 Agent 而建：博客称 AI agents 编写越来越多生产管道，SDP 占比超 70%

若声明式管道更适配 agent 生成与维护，将影响数据工程工具选型与 agent 数据工作流设计。

Canary rollouts：分阶段流量、指标门控与自动回滚，模型无停机升级

生产模型升级的高价值实践，避免硬切换全量暴露风险，可直接用于推理服务运维。

Databricks 分享 AI 研究团队使用 AI Runtime

可参考企业 AI 训练/部署工作流，但内容过短，具体实践不明。

博客探讨如何查询模型是否运行在 AWS Trainium 上

信息不足，影响待观察

SageMaker 新增训练 API，支持自定义 LLM 训练循环

可在 Python 中控制 SFT、RL 或自定义目标，由服务运行 GPU，降低自定义训练的基础设施负担。