小红书拆解存储与数据库底座：从产品孤岛走向统一融合架构

小红书构建了上下文驱动的推荐评测 Agent，以一次推荐请求为最小评测单元，通过确定性规则与 LLM-as-Judge 分工，对用户当时看到的内容做分维度语义判断。系统采用 0/1/2 三档评分，并固定输入快照与评测版本，使结果可比较、可回放、可下钻到具体请求与单篇内容。团队还探索 LLM-as-User 连续用户模拟，目前定位为上线前的离线预筛工具，不替代线上 A/B 实验。

小红书技术团队详解推荐系统 Agentic 发布实践：一次发布横跨十几个部署组、数千个 Pod，平均持续 10 多个小时，团队将发布知识沉淀为近 20 万字 SKILL，并构建长程任务 Harness，通过任务持久化状态、流程模板、引擎推进与 Transactional Outbox 效果查证保障跨昼夜可靠执行。

小红书与 vivo 联合打通从 vivo 相册生成 3D 图到小红书发布、分发与消费的完整 3D 内容链路，并共同设计面向移动社交场景的新型 3D 格式。

小红书与NVIDIA联合构建GR-Inference，一个面向长Context、短Decode、大Beam的生成式召回专用推理引擎，覆盖KV抽象、连续批处理、专用Decode Attention、受限生成与CUDA Graph等优化。

SGLang 团队与 Cloudflare 协调披露 2026 年 8 月 27 日至 9 月 9 日影响 Workers AI 上 @cf/zai-org/glm-5.3 的跨请求 KVCache 暴露问题。

Sundar Pichai 在访谈中解释 Demis Hassabis 逐步退出 DeepMind 日常管理和 Jeff Dean 离开 Google 的原因，称前沿模型开发已成为一项从数据、算力到团队管理都全消耗的规模化工作。

当前 AI 热点，聚合 1 个独立信源、28 条信号。

当前 AI 热点，聚合 2 个独立信源、16 条信号。

Tessl 工程师 Ankit Jain 分享团队 PR 量翻四倍、代码几乎全部由 AI 生成后，放弃逐行 diff 审查、改为在代码生成前审查意图并逐条验证验收标准的做法。关键实践包括维护 offer-skill 技能理解代码变更，以及把重复出现最多的审查评论固化成机器自动执行的不变量规则，作者预计第二个月起审查负担明显缩小。

Google 推出 TorchTitan TPU 分叉（github.com/google-pytorch/torchtitan），配合 TorchTPU 原生后端在 Cloud TPU 上训练 PyTorch 模型，提供 SimpleFSDP、Graph Trainer、Pallas 内核和优化 Playbook。