PulseAugur
中
实时 19:11:33
实体 AI Runtime

AI Runtime

PulseAugur coverage of AI Runtime — every cluster mentioning AI Runtime across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
9
90 天内 14
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
时间线
  1. 2026-10-21 product_launch Databricks announced the general availability of its AI Runtime (AIR). 来源
  2. 2026-10-21 product_launch Databricks announced the general availability of its AI Runtime, a managed GPU infrastructure service for training foundation models. 来源
  3. 2026-08-28 product_launch Databricks launched a new AI Runtime to improve PyTorch training efficiency. 来源
情绪 · 30 天

4 天有情绪数据

最近 · 第 1/1 页 · 共 14 条
  1. TOOL · CL_361530 ·

    Databricks推出AI Index并增强表格模型AI Runtime · 跟踪2个来源

    Databricks 推出了 Databricks AI Index,这是一个跟踪企业AI代币经济学状态以及AI模型和编码代理普及情况的新资源。该公司还宣布更新其AI Runtime,增强对表格基础模型(对许多有价值的预测机器学习应用至关重要)的支持。

  2. TOOL · CL_349324 ·

    Databricks UCDataset 将 Unity Catalog 的 GPU 训练速度提升 10 倍

    Databricks 推出了 UCDataset,一项旨在通过直接从 Unity Catalog 表流式传输数据来加速 GPU 训练的新 Beta 功能。这款原生的 PyTorch 数据加载器旨在通过消除数据导出或自定义加载代码的需求,将训练时间缩短高达 10 倍并降低计算成本。UCDataset 通过在多个 GPU 之间高效分片数据来确保 GPU 保持忙碌,同时通过 Unity Catalog 维护数据治理和血缘关系。

  3. TOOL · CL_313548 ·

    Databricks 发布 AI Runtime 并全面上市

    Databricks 已宣布其 AI Runtime (AIR) 全面上市。该平台旨在提高 AI 工作负载的性能和效率。

  4. TOOL · CL_313578 ·

    Databricks 推出用于托管 GPU 模型训练的 AI Runtime

    Databricks 已宣布其 AI Runtime (AIR) 正式可用。AIR 是一项托管 GPU 基础设施服务,旨在利用企业数据简化基础模型的训练。AIR 将 GPU 容量、开发人员工具和数据治理直接集成到 Databricks Lakehouse 中,旨在减少 AI 团队在基础设施管理和安全方面花费的时间。该产品能够实现更快的实验、可靠的扩展以及对敏感训练数据的安全处理,早期用户报告训练时间显著缩短。

  5. TOOL · CL_313579 ·

    Databricks 和 NVIDIA 集成 RFD4-Proteina 以实现人工智能驱动的蛋白质设计

    Databricks 和 NVIDIA 已合作将 RFD4-Proteina(由华盛顿大学蛋白质设计研究所和 NVIDIA 联合开发的蛋白质设计模型)集成到 Databricks 平台。此次集成可通过 Genesis Workbench 访问,并由 NVIDIA 的 BioNeMo Agent Toolkit 和 Databricks AI Runtime 提供支持,旨在简化科学家设计和测试新型蛋白质的过程。该平台允许研究人员将蛋白质…

  6. RESEARCH · CL_326320 ·

    新基准揭示大型语言模型代理难以推断用户习惯 · 跟踪 2 个来源

    一个名为 HABIT-Bench 的新基准已被开发出来,用于评估大型语言模型(LLM)代理从稀疏、纵向对话证据中推断和应用用户习惯的能力。该基准使用跨不同领域的合成用户历史记录,发现即使是表现最好的记忆方法也只能达到 33.61% 的准确率,这凸显了仅仅访问过去的交互与真正理解和利用用户习惯之间存在显著差距。这一发展恰逢行业内将代理记忆视为关键基础设施组件的更广泛转变,超越了仅仅关注增加上下文窗口大小的重点。

  7. TOOL · CL_302806 ·

    Databricks AI 研究团队利用 AI Runtime 进行持续开发

    Databricks 的 AI 研究团队利用 AI Runtime 来推进和评估新颖的 AI 研究方法。这种集成使得他们在工作流程中能够持续开发和评估尖端 AI 技术。AI Runtime 的使用促进了他们在探索和完善人工智能研究方面的持续努力。

  8. TOOL · CL_300103 ·

    Databricks 缩短 Qwen 训练时间,提升预测性 AI

    Databricks 宣布了在 AI 模型训练和预测分析方面的进展。据报道,其 AI Runtime 将 Qwen 基础模型的训练时间缩短了六倍。此外,Databricks 还推出了预测性 AI 功能,以帮助数据团队生成预测和见解。

  9. TOOL · CL_300123 ·

    Databricks通过AI Runtime优化将Qwen LLM微调时间缩短6倍

    Databricks详细介绍了他们如何使用其AI Runtime将Qwen 3.8-27B大语言模型的微调速度提高了六倍。通过实施特定的内核安装和优化数据管道,他们将训练时间从7小时以上缩短到1小时多一点,即使在初始设置显示GPU利用率为98%的情况下也是如此。此优化包括减少CPU操作的数量并利用CUDA图等技术来保持GPU的高效运行。

  10. TOOL · CL_222779 ·

    Databricks AI Runtime 提升 PyTorch 训练效率和弹性

    Databricks 改进了其 AI Runtime,以提高大规模 PyTorch 训练的效率和容错能力。该运行时专注于优化两个关键子系统:数据管道和检查点机制。通过解决这些领域的问题,Databricks 旨在最大限度地减少因数据饥饿或故障导致的 GPU 空闲时间,从而提高整体训练吞吐量并降低成本。新方法利用分布式检查点和异步保存,使频繁的状态保存几乎免费,显著提高了在大型训练作业中应对不可避免的 GPU 故障的弹性。

  11. TOOL · CL_222769 ·

    Databricks 推出 AI Runtime 以加速 PyTorch 训练

    Databricks 推出了新的 AI Runtime,旨在提高大规模 PyTorch 训练的速度和容错能力。该运行时专注于优化“goodput”,这是训练效率的关键指标,旨在提高大型 AI 工作负载的性能。

  12. COMMENTARY · CL_190678 ·

    AI Runtime:模型执行背后的统一概念

    “AI Runtime”一词可以指代三个不同的概念,但一个统一的理念将它们联系起来。这一层在训练好的AI模型完成任务的地方开始工作。它包含了在实际应用中部署、管理和执行AI模型所需的基础设施和流程。

  13. TOOL · CL_108974 ·

    Databricks 旨在通过 Omnigent 成为企业 AI 代理的操作系统

    Databricks 正将自己定位为企业 AI 代理的操作系统,超越了其数据湖仓的起源。该公司推出了 Omnigent,这是一个开源的元框架,旨在管理和集成各种 AI 代理,包括编码助手和定制的企业工具。这项举措解决了 AI 代理在有效执行任务时需要访问专有数据和业务逻辑所面临的关键挑战,例如可移植性、安全性和成本控制。

  14. RESEARCH · CL_97324 ·

    Databricks 和 NVIDIA 扩大合作,共建智能体 AI 开发

    Databricks 和 NVIDIA 正在深化合作,创建一个专注于智能体时代的一体化 AI 平台。此次合作旨在通过将 NVIDIA 的硬件和软件(包括 GPU、Vera CPU 和 NVIDIA Agent Toolkit)直接嵌入 Databricks 平台,来加速模型训练、推理和 AI 智能体的开发。此次集成将为客户提供在受管制的企业数据上构建和部署跨行业 AI 解决方案的增强功能。