本周技术领域热点频发，涵盖了自动驾驶巨头的深度合作、云数据库的服务稳定性挑战、AI模型推理能力的新探索、高效AI架构的研发，以及大型科技公司基础设施建设的经验分享。
Waymo与丰田深化战略合作 联合打造自动驾驶车辆平台
Alphabet旗下自动驾驶公司 Waymo 于美国加州时间4月10日宣布，与日本汽车巨头丰田汽车公司（包括其丰田和雷克萨斯品牌）达成一项战略合作。此次合作由丰田旗下的 Woven Capital 促成并投资，双方将联合研究和开发专用于 Waymo 自动驾驶叫车服务的车辆平台。合作旨在整合 Waymo 的自动驾驶系统 Waymo Driver 与丰田的汽车设计、工程及大规模制造能力，加速为未来的自动驾驶出行服务量身定制下一代电动汽车平台。这标志着自动驾驶技术公司与传统车企在专用车辆开发上的深度融合，有望推动自动驾驶商业化进程向使用目的车辆方向发展。
Jepsen 测试报告揭示 Amazon RDS PostgreSQL 事务一致性问题
分布式系统一致性测试机构 Jepsen 近期发布报告，指出亚马逊云科技（AWS）的托管数据库服务 Amazon RDS for PostgreSQL（测试版本包括 14.9, 15.4, 16.1）在特定故障场景下存在事务一致性缺陷。测试模拟了网络分区和主实例崩溃并进行故障切换的情况，发现即使配置了如 SERIALIZABLE 或 SNAPSHOT 等强隔离级别，系统仍可能出现读取偏差、写入偏差或更新丢失等数据异常。问题主要在故障切换窗口期间暴露，表明在分布式复制和故障转移下维持强一致性的复杂性。Jepsen 已将发现知会 AWS，亚马逊方面正积极调查并寻求解决。报告提醒依赖 RDS PostgreSQL 的用户关注故障场景下的一致性表现，并在应用层面考虑额外的保障措施。
深度递归思考框架 CoRT 提升大型语言模型复杂推理能力
如何增强大型语言模型（LLM）处理复杂逻辑和多步骤推理的能力是当前 AI 研究的焦点。近期，一个名为“递归思考链”（Chain of Recursive Thoughts, CoRT）的新框架在 GitHub 开源。CoRT 框架借鉴人类“分而治之”的思维模式，提出将复杂问题递归地分解为更小、更易处理的子问题，并层层解决，最终整合子问题的解来回答原始复杂问题。与传统链式思考（CoT）相比，CoRT 更强调问题的层次化结构和迭代求解过程。该框架为提升 LLM 在需要深度分析、程序生成、数学证明等复杂任务上的准确性和鲁棒性提供了新方法，是推动 LLM 从“预测机器”迈向“思考机器”的重要探索。
IBM 研究推出 Bamba 模型：融合 Transformer 与 SSM 探索 AI 效率新边界
IBM Research 近日发布了一种新的 AI 模型架构 Bamba（Balanced Attention and Mamba-like Selective State Space）。Bamba 创造性地结合了当前主流的 Transformer 架构（特别是其注意力机制）与近年来备受关注的状态空间模型（SSM），尤其是类似 Mamba 的 Selective State Space (S6) 机制。该模型旨在克服纯 Transformer 架构在处理超长序列数据时计算复杂度呈平方级增长的效率瓶颈，同时希望在性能上有所提升。Bamba 通过平衡集成注意力模块与 Selective State Space 模块，试图兼顾 Transformer 的全局建模能力和 SSM 在序列处理上的高效率及长程记忆潜力。IBM Research 在语言建模、音频分类和视觉任务等多种模态上验证了 Bamba，显示出其在效率、性能和通用性方面的潜力，为探索超越纯 Transformer 的下一代高效 AI 架构提供了新的思路。
前 Meta 工程师复盘大型系统基础设施职业路：聚焦复杂性与开发者效率
一位曾在 Meta（前 Facebook/Instagram）基础设施团队工作多年的工程师 Daniel H. 近日在其博客上分享了他在大规模复杂系统中从事基础设施工作的职业经历与心得。文章涵盖了他在移动端基础设施（iOS）、性能优化以及开发者体验（Developer Experience, DX）等领域的经验。他指出，在服务数十亿用户的平台工作，基础设施工程师面临着保证系统在极高流量下稳定性与性能、管理和优化大规模开发流程的独特挑战。文章特别强调了提升开发者体验和生产力在大型组织中的战略意义，认为优化开发工具和流程能显著提高数千名工程师的效率。该工程师的复盘为关注大型系统工程、基础设施建设以及在顶级科技公司中规划职业发展的技术人员提供了宝贵的见解，突显了解决复杂问题、追求极致性能和推动组织变革在这一领域的重要性。
尾部
关注我获取更多资讯
