Amazon SageMaker Feature Store
PulseAugur coverage of Amazon SageMaker Feature Store — every cluster mentioning Amazon SageMaker Feature Store across labs, papers, and developer communities, ranked by signal.
- 2026-09-08 product_launch Amazon SageMaker Feature Store introduced the UpdateRecord API for feature-level writes. 来源
- 2026-08-28 product_launch Amazon SageMaker Feature Store launched new BatchWriteRecord and ListRecords APIs to improve feature management. 来源
- 2026-05-19 product_launch Amazon SageMaker Feature Store launched new capabilities to accelerate ML feature pipelines. 来源
- 2026-05-19 product_launch Amazon SageMaker Feature Store launched new capabilities including AWS Lake Formation integration and Apache Iceberg table format support. 来源
-
OpenAI 声称在 AI 新闻汇总中解决了纳维-斯托克斯方程 · 追踪 3 个来源
据报道，OpenAI 已找到纳维-斯托克斯方程（一个长期存在的数学难题）的解。这一进展在 AI 社区引发了广泛讨论和一些争议。此外，Hugging Face 发布了一篇关于 Marigold V2 的论文，这是一种用于单目深度估计的扩散 Transformer 模型，而 AWS 更新了其 SageMaker Feature Store，引入了用于特征级写入的 UpdateRecord API。
-
Amazon SageMaker Feature Store 通过 UpdateRecord API 实现特征级写入
Amazon SageMaker Feature Store 推出了 UpdateRecord API，支持对机器学习特征进行特征级写入。这项新功能允许用户修改记录中的特定特征值，而无需读取和重写整个数据集。UpdateRecord API 支持标准（由 DynamoDB 支持）和内存中（由 ElastiCache 支持）的在线存储层，旨在降低延迟、防止竞态条件并降低与先前完整记录写入方法相关的成本。
-
Amazon SageMaker Feature Store 增加了批量写入和记录发现 API
Amazon SageMaker Feature Store 推出了两个新 API，以提高管理机器学习特征的效率和可用性。BatchWriteRecord API 允许单次调用最多摄入 25 条记录，与单独写入记录相比，显著降低了开销。此外，ListRecords API 使开发人员能够枚举和发现 feature group 中的记录，支持 Standard 和 In-Memory 两种存储层。
-
Jumio 在 AWS 上构建实时机器学习特征存储
身份验证提供商 Jumio 开发了一个基于 AWS 的实时特征存储，以解决其机器学习运营中数据重复、手动部署和延迟等挑战。新架构利用了 Amazon SageMaker Feature Store、Amazon Managed Service for Apache Flink 和 Amazon Kinesis Data Streams 等服务，实现了欺诈检测和其他实时预测的亚 100 毫秒延迟。这种流式优先设计提高了可扩展性、可靠性和…
-
SageMaker Feature Store 增加了 Lake Formation 和 Iceberg 支持
Amazon SageMaker Feature Store 推出了增强 ML 功能管道的新功能。这些更新包括与 AWS Lake Formation 的原生集成，用于细粒度访问控制，以及新的 Apache Iceberg 表属性，用于管理元数据累积和降低存储成本。这些增强功能可通过 SageMaker Python SDK v3.8.0 获得，旨在简化机器学习操作的功能数据管理和成本可预测性。