过去 72 小时扫描 14 个有效信源，从 69 条候选中筛出 5 条值得保留的信息。
Ai2发布Olmo-core 3，这是面向大型语言模型开发的开放训练框架升级，重点重构了混合专家模型（MoE）训练系统。材料称其设计目标是扩展到万亿参数规模，并将其作为下一代Olmo的核心系统之一；这是设计目标，不代表已验证的训练规模或效果。
为什么值得关注：开放的MoE训练基础设施把训练系统纳入可获取工具范围，其扩展目标可供研究团队判断是否适合自身模型开发需求。
NVIDIA开发者博客介绍使用NVIDIA Dynamo-Triton部署HSTU生成式推荐模型的推理流程。文章将推荐描述为对用户行为序列建模，并指出长历史、大型嵌入表和序列密集架构带来服务挑战；材料称Dynamo-Triton现支持端到端HSTU推理工作流，但未提供性能数据。
为什么值得关注：生成式推荐以用户行为序列生成或评分下一项，推理工作流支持情况决定这类序列模型如何接入服务端部署。
AWS机器学习博客介绍台湾统一企业集团旗下零售平台uniopen如何定制Amazon Nova 2 Lite。团队通过Amazon SageMaker AI进行监督微调，并结合提示优化，使模型按业务政策判断九类行为及其涉及的品牌、其他或禁用对象；材料提到业务评估与发布门槛，但未给出效果数据。
为什么值得关注：将行为类别与涉及对象分成两个审核判断轴，并以业务评估和发布门槛把关，使模型适配范围对应uniopen的具体政策。
NVIDIA开发者博客介绍了用NeMo框架微调Nemotron 3.5 ASR以适配沙特阿拉伯方言的方案。流程包括整理低资源语料、构建加权回放混合数据、微调和评估；材料指出该模型支持40种语言区域设置，也提醒仅针对目标方言微调可能削弱其他语言能力。
为什么值得关注：目标方言语料与加权回放混合数据共同影响微调范围，评估其他语言则关系到部署时如何权衡方言适配与多语言能力。
AWS机器学习博客介绍了在单一订阅下，为Claude Platform on AWS配置多环境访问的方法。方案使用跨账户SigV4服务于AWS工作负载、工作区级API密钥供开发者使用，并以OIDC联邦接入外部环境，同时在专用AI Services账户中隔离工作区。
为什么值得关注：不同环境可通过各自的身份验证方式接入同一订阅，工作区隔离则决定生产与开发流量如何划分。