Meta 开源 Rebalancer:通用高性能分配问题求解库
Meta 将其内部使用九年多的分配问题求解库 Rebalancer 开源,采用 Apache 2.0 许可,同时提供 GitHub 仓库、文档和 PyPI 包。
Meta 将其内部使用九年多的分配问题求解库 Rebalancer 开源,采用 Apache 2.0 许可,同时提供 GitHub 仓库、文档和 PyPI 包。
Meta 发布 MetaRoCE,这是一款为 AI 工作负载在通用以太网上从零设计的 RDMA 传输协议,并通过 OCP 开放协议规范、软件参考实现 libsoftmetaroce 和合规测试套件。
Meta 公布 MTIA 300,这是其自研芯片家族中首款面向推荐与排序模型训练优化的加速器。芯片封装内集成两个网络 chiplet,各含 6 个定制 800 Gbps RDMA NIC,总 I/O 带宽 1.2 TB/s,另有 16 个消息引擎(ME)独立承担通信,使大 GEMM 与集合通信并发时计算吞吐下降小于 0.5%。
Meta 公布 WhatsApp 可选功能 Scam Alert 的技术实现,它用端侧机器学习模型在设备本地判断非联系人消息是否为潜在诈骗,消息内容不离开设备也不自动上报。
Meta 发布开源多模态模型 Muse Glimmer,30B 参数、Apache 2.0 许可,面向本地智能体场景。模型由 2B 视觉编码器与 28B 文本解码器组成,并附带 DFlash 投机解码草稿模型,transformers、llama.cpp、vLLM 与 Inference Endpoints 均已提供 day-0 支持。
推荐理由:30B 多模态模型以 Apache 2.0 开放并在多智能体基准上与同级模型对比,可供本地部署的选型参考。
Meta 公布广告排序的多阶段序列建模架构,把离线用户建模与在线排序解耦,并在真实广告流量上呈现出随算力对数线性增长的 LLM 式扩展规律。该架构用稠密 tokenization 与 target-aware 多头注意力融合稀疏特征和用户行为序列,让模型直接从数据学习特征交互,减少对手工特征的依赖。
Google 把 SynthID 的图像、视频和音频验证扩展到搜索,并将在未来几周进入 Chrome,该能力此前已在 Gemini 应用中累计使用 5000 万次。
推荐理由:在生成媒体普及的背景下,SynthID 已为超 1000 亿件图像视频加上水印,读者可了解各产品验证入口的分批上线节奏。