Meta 将 JiTTests 投入生产：LLM 生成测试在代码合入前捕获缺陷
Meta 公布 Catching JiTTests 已从研究原型进入生产基础设施，用 LLM 为每个代码 diff 生成可执行测试，在合入前暴露行为差异。系统采用 dodgy diff 与 intent-aware 两条测试生成流程，并用 LLM-as-Judge 集成与规则式 RubFake 过滤误报，再以 human-on-the-loop 方式减少人工逐条审查。
#Meta
Meta EngineeringAI 评分5858
PyTorch BlogAI 评分4747 PyTorch 2.15 发布：重写版 NCCL 后端成为默认
PyTorch 2.15 发布，重写版 NCCL 后端成为所有 nccl 进程组的默认，并提供 TORCH_DIST_USE_NCCL2=0 与 nccl-legacy 回滚路径，集合通信挂起时飞行记录器会落盘现场。
Meta EngineeringAI 评分3636 Meta Andromeda：通过模型-系统协同设计驱动下一代广告检索
Meta 发布下一代个性化广告检索系统 Meta Andromeda，单张 GH200 GPU 推理吞吐超过每秒 100 亿条广告，相比 2024 版提升 100 倍。新架构将 LLM 式 MoE 引入检索阶段，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，该系统已在 Facebook 带来 2.4% 的转化率提升。
Meta EngineeringAI 评分3636 2026 Python 类型标注调查：AI 工具与类型检查器格局变化
2026 年 Python 类型标注调查收到 1,794 份回复，类型提示使用率三年变化不大，但类型检查器选择格局明显改变，半数受访者同时使用多个检查器。42.5% 的受访者用 AI 工具编写类型提示，24.4% 表示由 AI 编码工具调用检查器，第三方库类型信息缺失仍是最常见困难（65.1%）。
Meta EngineeringAI 评分3636 Meta 详解 PrivacyLib：在数据访问边界统一执行隐私控制
Meta 工程团队详解 PrivacyLib，一个运行在数百个数据与处理系统客户端内的通用隐私库，每秒执行数十亿次检查。系统只需接入一次，新隐私需求即以模块形式复用该集成，此前跨系统落地一项需求可能耗时数月。PrivacyLib 模块分为可阻断访问的执行模块与仅记录访问的观测模块，后者含面向内部 AI 智能体的 Agent Observability 模块。
NVIDIA Newsroom精选AI 评分7575 NVIDIA 与 Meta 扩大 Muse 模型合作，NVIDIA 将向 Meta 投资 30 亿美元
NVIDIA 与 Meta 宣布扩大在 Muse 及 Muse 系列模型上的合作，以提升推理和训练性能，并应对 AI 智能体的需求增长。双方还将评估 NVIDIA OpenShell 参考架构与 NVIDIA Sentry 在智能体安全部署和行为监控上的合作，Meta 计划扩大部署 Vera Rubin、Vera CPU、Spectrum-X 以太网和 BlueField-4。
推荐理由：原文披露了双方在 Muse 模型优化、智能体安全与基础设施扩容上的具体分工，以及 NVIDIA 的 30 亿美元股权投资。
Meta EngineeringAI 评分4040 Meta 在 2026 OCP 全球峰会展示面向 AI 网络的开放创新：Scale-Up、Scale-Out 与 Scale-Across
Meta 在 2026 OCP 全球峰会上公布多项支撑其 AI 模型与千兆瓦级 Prometheus 集群的网络创新，包括首款液冷网络机架 IcePack 与 102.4T 交换机 IceCube。