ITPub博客

按照近来的惯例，这里有一个令人惊喜的 Python 3.15.0 第三个候选版本！ 我们遇到了一些最后时刻的惰性导入（lazy-import）发布阻塞问题，将它们纳入 3.15.0 最终版是合理的。同时，留出一些时间对它们进行充分测试也是合理的，因此原定于本周发布的 3.15.0 最终版推迟到下周，这里额外提供一个 3.15.0rc3。 python.org/downloads/release/python-3150rc3 这是 Python 3.15 的候选预览版 本次发布 3.15.0rc3 是计划中的最后一个候选版本，自 3.15.0rc2 以来，包含来自 82 位贡献者的约 156 项错误修复、构建改进和文档变更。进入候选版本阶段后，在此候选版本与最终版本之间，只允许经过审查且明确为错误修复的代码变更。

本文提供在 Amazon Elastic VMware Service（Amazon EVS）上部署 Oracle Database 的分步操作流程，并使用 Amazon FSx for NetApp ONTAP 作为 NFS 数据存储。您将配置存储卷、挂载 NFS 数据存储、安装 Oracle，并配置 SnapMirror 复制以实现跨区域灾难恢复。 在 VMware 上运行 Oracle 数据库的企业希望迁移到 AWS，同时保留其现有运维工作流，无需重新架构和重新培训。

作者：Russ Webb、Amitis Shidani、Alice Bizeul、Dan Busbridge 离散扩散（包括重掩码和均匀状态采样器）通过每步写入多个 token 位置来生成序列，每个位置的值从逐位置分布中采样，而写入哪些位置也由这些相同的分布决定。对于普遍关注的领域（像素、音素或词），token 之间存在固有的依赖关系。我们证明，一步操作只有在它所写入的位置在已固定 token 的条件下条件独立时，才与训练分布匹配；任何逐位置分布的乘积都无法匹配一个存在依赖的组；并且逐位置分布无法决定一个组是否存在依赖：两个联合分布可以具有相同的逐位置边缘分布，但在哪些值组合会出现上有所不同。

是什么限制了你当前的训练运行：是 GPU（图形处理器） 的计算速度，还是你向 GPU 传输数据的速度？对于越来越多的工作负载而言，答案是后者。ROCm 10.1 以这条路径为先导，并在其背后带来了一整套编译器、库和工具方面的工作。 原始加速器吞吐量仍然是一个限制因素，但随着 AI 模型和 HPC 数据集规模扩大，一个新兴瓶颈正在浮现：如何为这些加速器供给数据。检查点、键值缓存和模型参数如今已超出最靠近 GPU 的快速内存容量，而从存储到设备的数据路径成为最大的瓶颈。ROCm 10.1 通过对其 AMD Infinity Storage 技术和 HIP 运行时的实质性改进来应对这一转变。hipFile 获得了额外能力，可在存储与 GPU 之间直接顺畅移动数据。

2026 年 10 月：本文已审核并更新以确保准确性。 今天我们推出 AWS 数字主权透镜（AWS Digital Sovereignty Lens），这是一个新的 Well-Architected 透镜，为客户在 AWS 上设计、构建和运营主权工作负载提供扩展指导。 客户告诉我们，数字主权带来了一系列独特的挑战，而现有的架构指导并未完全解决这些问题。主权要求并非以单一简报的形式出现。它们来自多个团队，包括隐私、法律、合规和安全团队。这些要求有时会相互冲突。例如，本地化要求需要在境内存储，而韧性可能要求跨司法管辖区复制。 主权还取决于计算、存储、网络、身份、加密和运营方面的协调选择。某一层的决策可能会削弱另一层的控制。第三方依赖，从软件库到外部 API（应用程序编程接口），都带有其自身的司法管辖区风险。

作者 Maureen de Seyssel，Jie Chi*，Zakaria Aldeneh* 多语言自监督语音模型可以从跨语言信息共享中获益，但在匹配的总预训练数据预算下，它们仍然不如单语言模型。我们表明，在预训练期间增强模型区分语言的能力，可以缩小——在某些指标上甚至消除——多语言模型在连续语音和更高层次语言指标上的差距，同时保留大量的跨语言共享。使用受控的英语/法语 HuBERT 设置，我们测试了两种增强语言区分的干预措施：一个辅助语言分类器和按语言的 k-means 目标。

ShopGym 创建逼真的在线商店，并根据每家商店的产品和功能生成购物任务。开发者随后可以在一致的条件下反复测试购物智能体。 购物智能体可能会帮你找到预算范围内的夹克、选择合适的尺码、查看退货政策，并将其加入购物车。这部分感觉很简单，但训练和评估这些智能体却颇具挑战，因为产品、价格和商店布局不断变化。机器人检测和限流也可能中断运行，而手工搭建的测试商店虽然提供了控制力，却只能覆盖有限的购物体验范围。 这促使我们思考：能否在不丢失真实商店复杂性的前提下，让购物环境可重复？ 我们构建了 ShopGym 来回答这个问题。它将线上店面转化为自包含、可重置的沙盒商店，并生成与其产品、功能和政策相关联的购物任务。开发者可以复现故障、在一致条件下比较智能体，并衡量变更是否提升了性能。 这同样惠及商家。

我非常欣赏 EmbeddingGemma 2 采用 Apache 2.0 许可证。 特别是对于嵌入模型，我认为使用封闭、专有、仅限托管的模型是不合理的。 嵌入模型的大多数应用都涉及计算数千甚至数百万个嵌入向量，并将它们存储起来以供后续比较。 如果你的模型是专有的，供应商很可能某天会决定停止提供该模型。他们会有更好的模型来替代它，但你仍然需要付费重新计算那数百万个已存储的现有向量。 （2024 年 4 月，OpenAI 提出“承担用户使用这些新模型重新嵌入内容的财务成本”——https://openai.com/index/gpt-4-api-general-availability/ ——但我认为我们不能指望每个提供商都这样做。） 值得注意的是，我不想自己托管模型。

本文探讨了用于 Table Batched Embedding (TBE) 前向和后向传播的 FBTriton 内核设计。这些核心算子负责在推荐系统中跨数千个分片 GPU（图形处理器） 处理嵌入查找。我们的 Triton 实现在这些工作负载上成功超越了传统的 CUDA（NVIDIA 并行计算平台和编程模型） 内核。在此，我们阐述架构设计、详述实测性能提升，并重点介绍未来的优化机会。 TBE（Table-Batched Embedding）内核在一次 GPU 操作中高效地对多张表执行嵌入查找和池化。TBE 在单次 GPU 启动中为多张表结合了嵌入查找和池化，减少了启动开销并提高了内存效率。

博客首页 > 从 Home Assistant 到 AI 智能体：Linux 在 Arduino® UNO™ Q 开发板上解锁了什么 这款 #cottagecore 赛博终端非常适合真正的实地工作 单板计算市场正在快速转变，我们正迈入一个充满前所未有可能性时代，边缘 AI、计算机视觉、实时控制和丰富的传感器数据流在本地汇聚。是的，这很令人兴奋——但即使在这场硬件“爆发”之中，一条古老的规则依然适用：在挑选工具之前，先明确你想构建什么。 没有哪一块开发板能够（也不应该！）在所有方面都表现出色。低功耗嵌入式传感器、自主机器人和高吞吐量视频服务器都需要不同的架构。例如，如果你正在权衡通用 Linux 方案与混合微控制器的硬件选择，请阅读这篇深度评测，以评估不同的设计理念如何匹配你的需求。

首页 博客 在人工智能时代驾驭开源治理：2026年OSPO与开源管理现状 随着开源软件持续作为现代数字基础设施的支柱，旨在管理、保护并引导其采用的操作机制必须不断演进。过去几年间，开源项目办公室（OSPO）已从新颖的运营单元转变为关键的企业职能。如今，随着人工智能重塑软件开发与组织战略，OSPO正在全球企业中扮演更为广泛且高度战略性的角色。 值此欧洲开源峰会（Open Source Summit Europe）召开之际，LF Research与TODO Group合作，欣然分享我们最新报告《2026年OSPO与开源管理现状》的核心发现，该报告由CNCF和FinOps Foundation赞助。

2026年10月1日 | 微软企业博客 微软董事长兼首席执行官萨提亚·纳德拉（Satya Nadella）与LinkedIn及Microsoft 365执行副总裁瑞安·罗斯兰斯基（Ryan Roslansky）于今日上午向微软和LinkedIn员工分享了以下沟通内容。 在LinkedIn和微软工作近18年后，瑞安·罗斯兰斯基决定离开微软，开启他的人生新篇章。 在瑞安与我讨论我们的路线图和未来工作安排时，我们都认为这是进行这一变动的合适时机。瑞安将留任至本日历年年底，担任我的顾问，并将在过渡期间提供支持。 瑞安留下的组织处于强势地位。借助Copilot，我们正快速推进我们的愿景——构建一个跨越所有模型、所有形态和所有任务的新工作操作系统，Office完全嵌入Copilot，反之亦然！

开始之前：如果你恰好在 11 月 5 日星期四身处旧金山，欢迎参加我在 System Update with The Pragmatic Engineer 的活动。这是一个由 Sentry 组织的晚间活动，OpenAI、Linear、DoorDash 和我本人都会参与。我们将以非正式（即：不录制！）且坦诚的对话形式，探讨他们在生产环境中运行的 AI 增强自动化，以及进展如何。座位有限，你可以在这里 RSVP。 大家好，我是 Gergely，这是 Pragmatic Engineer Newsletter 的免费特刊。在每一期中，我都从资深工程师和工程领导者的视角来报道大型科技公司和初创企业。今天，我们覆盖上周 The Pulse 中四个主题中的一个。完整订阅者已在七天前收到下面的文章。

在 Linux 中，cgroups（控制组）是一种用于管理系统资源的内核特性。Kubernetes 使用 cgroups 为容器分配 CPU 和内存等资源，确保应用程序平稳运行且互不干扰。随着 Kubernetes v1.31 的发布，对 v1 cgroup 管理的支持已进入维护模式。自 Kubernetes v1.25 起，对 v2 cgroup 管理的支持已趋于稳定。 与 cgroup v1 相比，cgroup v2 提供了单一的统一层级、更一致的接口，以及更强大的资源隔离和现代资源管理特性基础。 Kubernetes 已弃用 cgroup v1。从 Kubernetes v1.35 开始，failCgroupV1 默认为 true，因此 kubelet 默认不会在 cgroup v1 节点上启动。

发布于 2026 年 9 月 30 日 作者：Rohan Kannan，实习生 端到端预测：一个机器学习流水线利用预测时刻的太阳风信息，为美国本土 66,935 个变电站生成特定位置的风险估计。 物理与位置：该系统将极光电急流（AE）和扰动风暴时间（Dst）预测与当地纬度、地质条件和地面电导率相结合。 提前预警：该流水线在评估期内检测到近 80% 的重大空间天气事件，并可在特定风险出现前 30 至 60 分钟向电网运营商发出预警。 在 2024 年 5 月的地磁风暴期间，随着极光延伸至远超其通常范围，北美各地的公用事业公司为可能的影响做好了准备。这场风暴会降低 GPS 精度和卫星运行，影响北美和欧洲的农业作业。现代社会依赖可靠的电力，然而极端空间天气事件可在输电网络中感应出电流，损坏设备并增加运营风险。

知名开源项目的维护者正在面对一种全新的收件箱。Pull request 依然源源不断地到来，数量往往比以往任何时候都多，而且许多都干净、格式规范，初看之下也颇为合理。变化在于，如今一个人可以在一个下午产出上百个这样的请求，而维护者仍然必须逐一阅读，才能从中找出那三个真正有价值的。 这种倒转是过去两年里开源领域发生的最具深远影响的事情，而它几乎与代码质量无关。三十年来，正是贡献的成本让贡献变得有意义。它就像工作量证明：持续的贡献代价高昂，因此它是承诺的可靠信号，而项目则以影响力来回报它。智能体已将这一成本压至接近于零。信号消失了，建立在其之上的一切如今都变得不稳定。 先澄清一点：这一切都不适用于开放权重模型。我认为“开源”并不是描述它们的恰当术语，因为它们是另一个物种。

过去，教机器人“把碗放在盘子上，再把奶油奶酪放进碗里”需要机器人身后摆放一排数据中心 GPU（图形处理器）。在本博客中，我们展示了一个现代视觉-语言-动作（VLA）模型 MolmoAct2 如何观察场景、读取纯英文指令，并驱动机器人手臂完成任务，而这一切都运行在一台搭载 ROCm 软件栈的 AMD Ryzen AI Max+ 395 “Strix Halo” 迷你 PC 上。无需云端，无需外部加速器，只需一台紧凑的桌面机器。 通过阅读本博客，你将学习如何部署和运行针对 AMD Ryzen AI Max+ 395 优化的最先进 VLA 模型。你将使用可复现的 Ryzers 容器启动基于浏览器的机器人控制，测试跨机器人手臂的零样本迁移，运行异步实时规划，并在仿真和真实世界数据上评估该策略。

非常抱歉让您久等了…… 终于来了，这是完全更新的 Debian Trixie 与 Raspberry Pi Desktop，适用于 PC 和 Mac。立即从我们的网站下载，让您的其他电脑焕然一新，拥有 Raspberry Pi 的风格。我们甚至还包含了 Raspberry Pi Connect 客户端。 早在 2016 年，我刚刚完成了一系列初始更改，将默认的 LXDE 桌面打造成 Raspberry Pi 专属的样子。（我本想把它叫做 PIXEL，这是我几年前想出的缩写，代表 Pi XWindows Environment Lightweight，但那时另一家科技公司已经占用了这个词，所以很遗憾没能实现……）。

Gemini 3.8 Live with Live Avatar 为 Gemini 的对话式 AI 带来了实时视觉呈现。通过将我们的实时对话能力与低延迟流式视频原生耦合，Live Avatar 为企业及其用户带来了更自然、更直观的对话体验。 软件工程师，代表 Gemini Audio 团队 延续上周 Gemini 3.8 Live 发布的势头，今天我们很高兴推出 Gemini 3.8 Live with Live Avatar——为我们的原生实时对话模型带来近乎实时的视觉呈现。通过将近乎实时的视频生成与语音相结合，Live Avatar 功能创造出一种能够倾听、观察并以动态视觉形象说话的体验。 凭借精准的口型同步、自然的表情和流畅的轮流对话，Live Avatar 使企业能够以更具互动性的方式扩展其虚拟服务。

博客首页 > 当 AI 能够与现实世界互动时，你能构建什么？ 赛博甲板不一定非得是追逐 80 年代磁带未来主义美学的厚重铝塑板。赛博甲板可以是其建造者想要的任何样子——这正是它的全部魅力所在。Jen Looper 是一位热爱自然、植物和舒适花园的创意技术专家，因此她打造了这款 #cottagecore 赛博甲板，用于真正的实地考察。 作为一种美学，cottagecore 的核心是舒适、质朴的氛围。作为一种亚文化，它关乎舒适的可持续性和“慢生活”。B.L.O.O.M.（Bridging Local Observations, Openly Mapped，开放映射的本地观察桥接）是一款旨在涵盖所有这些理念的赛博甲板。Looper 构建它是为了收集当地动植物的实地笔记。