Atlassian 如何在 Databricks 上构建 OCSF 安全湖仓
Atlassian 在 Databricks 上构建了基于 OCSF 的安全湖仓，以应对其全球规模下积累二十年的日志噪声问题。该方案旨在降低安全数据噪声，提升日志分析效率。
#数据/训练
安全实践Databricks BlogAI 评分2020
安全实践Databricks BlogAI 评分3030 Databricks 用 400 万条语料实测 Lakebase Search：从 1M 到 4M 行的规模经验
Databricks 以内部应用 Slide Hub（约 700 份演示文稿、2.3 万条幻灯片）为基准，实测 Lakebase Postgres 内置搜索在 1M 到 4M 行公开语料下的表现。
安全实践GitHub Blog · AI & MLAI 评分4040 GitHub 用 ModernBERT 分类器重构密钥扫描：误报减少、成本降 98%
GitHub 为密钥扫描训练了专用的 ModernBERT 分类器，替代此前的 LLM 流水线，在保持正则候选召回的基础上结合文件路径、变量名和上下文判断是否为真实凭据。该方案使推送后扫描中位执行时间缩短 86%、服务成本降低逾 98%，用户对告警的接受度提升 11.5%，并让通用密钥检测得以扩展到推送保护阶段。
安全实践Hugging Face BlogAI 评分4040 Ai2 如何用 GPU 时间预算与分层公平分配改进集群调度
Ai2 用 GPU 时间预算、分层公平分配和时间切片契约替换了原有的优先级调度器，把各研究项目该分多少 GPU 时间的争论从逐案运维操作转为透明的行政预算流程。
安全实践Hugging Face Blog精选AI 评分7070 作者用 ML Intern 两天训练六个模型，总花费约 103 美元
Hugging Face 作者借助 HuggingChat 中的 ML Intern，用提示词驱动完成六个模型的训练、评测与发布，总计算花费约 103 美元。其中把 Qwen-Image 2.1 的 9B 提示词改写器蒸馏成 0.8B 版本，可在 CPU 上运行，输出有效率 99.7%，token 用量约为教师模型的四分之一。
推荐理由：作者用六个真实项目复盘了如何用提示词驱动 ML Intern 完成训练、评测与发布，可迁移到自己的模型定制流程。
安全实践AWS Machine Learning BlogAI 评分2222 AWS 发布六周 AI 构建者培养手册：如何弥合 AI 知识与应用能力差距
AWS 提出一套六周结构化培养方案，让非工程背景的业务人员用 Amazon Bedrock、AgentCore 和 Strands Agents SDK 构建可运行的 AI 原型。