Meta 推出 F3 Lightning：广告 ML 特征独立发布提速约 3.6 倍

Meta 工程团队介绍其数据管道智能体采用的瘦编排器（thin orchestrator）模式：一个约 1300 行的编排器只负责路由和可靠性检查，将 20+ 工作流分派给 14 个上下文隔离的专项子智能体，自身不做任何领域推理。

Meta 介绍其位于俄亥俄州 New Albany 的吉瓦级超集群 Prometheus，一期已建成并用于训练 Muse 系列基础模型，目标扩展到约 100 万张 GPU。

Meta 运营数百 EB 级存储集群，基于 Tectonic 分层存储层构建 BLOB 存储架构，以应对两大挑战：最大化 GPU 利用率与研究迭代速度。传统 BLOB 架构的多层元数据查询可导致数百毫秒延迟，使 GPU 因 I/O 等待停顿。新架构将训练栈逐步迁移到 BLOB 存储接口上，利用闪存提供可预测的低 pMax 延迟，避免单 GPU 慢速拖慢整批任务。同时，统一的数据湖访问支持地理分布 GPU 间的数据高速注入与跨区移动，提升研究效率。

Meta 公布下一代个性化广告检索系统 Meta Andromeda，单块 GH200 GPU 上模型推理吞吐超过每秒 100 亿条广告，相比 2024 版系统提升 100 倍。新架构引入受 LLM 启发的 MoE，推理 FLOPs 比 2024 版检索模型少约 300 倍，性能接近排序阶段水平。自 2025 年以来，该系统在 Facebook 上带来 2.4% 的转化提升。

Meta 详解 PrivacyLib，这是一个运行在数百个数据与处理系统客户端内、在数据访问点执行隐私控制的公共库，每秒执行数十亿次检查。系统只需接入一次，新隐私能力即以模块形式复用该集成，此前跨系统实现一项新要求可能耗时数月。PrivacyLib 还新增 Agent Observability 模块，用于观测内部 AI 智能体的数据访问事件。

Meta 复盘 2026 世界杯期间的基础设施表现：7 月 19 日决赛（阿根廷对西班牙）WhatsApp 峰值超每秒 3000 万条消息，创平台历史纪录，是 2026 年跨年峰值的 1.23 倍。

Meta 发布技术博客，介绍其为合规领域构建的 AI Agent，用结构化知识系统加可组合 recipes 复现专家推理方式，专家反馈经诊断、编译、验证和人工审核后写入 200+ 知识文件，无需重新训练模型。六周三轮开发后，单项评估时间从数天缩短到数分钟，改进周期内零回归，每轮修复自动加入回归测试集。

当前 AI 热点，聚合 4 个独立信源、35 条信号。

OpenHands 与 Snowflake AI Research 合作，让开发者无需在独立 RL 框架中重建 harness，即可用现有 OpenHands Agent SDK 配置和 Harbor 格式任务对开源权重模型做 RL 后训练，训练由 Snowflake Cortex Training 提供 GPU 支持。

自媒体作者卡兹克分享自己搭建近一年的Agent自动化系统，核心是把任务起点从人身上移开，由事件触发Agent工作。系统分为自动化中台、Agent执行、CI中台和飞书决策四层：中台用rules.json统一管理事件触发和Agent调度，本地MacMini跑Agent任务，自建CI中台完成审查、检查、合并、发布、核实五步，只在删数据、花钱、改方向等关键决策时通过飞书卡片找作者拍板。