Meta Engineering

Meta Engineering 的条目时间线。

源站

时间线

• Meta 在 OCP 峰会公布 AI 网络创新 (2026-10-27 · Meta Engineering)
  涵盖液冷机架 IcePack、102.4T 交换机、扁平化平面架构、跨数据中心骨干 BAG，以及 MetaRoCE 开源
• GenRecs Tokenization (2026-10-20 · Meta Engineering)
  用 token 替代独立 ID，新广告直接继承同类知识，转化率提升 0.35%。
• Meta 的薄编排器模式：路由越少越可靠 (2026-10-19 · Meta Engineering)
  1300 行编排器管 20+ 工作流、14 个子 agent，不做任何领域推理。数据列接入从 3-4 天缩到 1 小时以内。
• Meta 千兆瓦级超算集群 Prometheus 内幕 (2026-10-19 · Meta Engineering)
  首阶段已完工，用于训练 Muse 模型；最终规模约 100 万块 GPU，预训练 goodput 超 85%。
• Meta 用 AI-Native 工程方法构建 (2026-10-16 · Meta Engineering)
  从 human-in-the-loop 转向 human-on-the-loop，agent 自己跑迭代，工程师负责设定目标和审批。八周达到功能对等，内存用量减半。
• Sapienz 获 ISSTA 2026 影响论文奖 (2026-10-16 · Meta Engineering)
  Meta 的 Android 自动化测试工具，每天运行数百万次测试，每周发现数千个独特崩溃。
• Meta 的生成式广告模型 GEM (2026-10-14 · Meta Engineering)
  从按产品各自优化转向统一中央模型，转化率提升 18.9%，点击率提升 12%。
• Meta 在 OCP 2026 公布开放网络创新 (2026-10-13 · Meta Engineering)
  推出 IcePack 液冷机架与 IceCube 102.4T 交换机，带宽翻倍；发布 FPF 多平面扩展结构、BAG 跨区域骨干、以太网规模扩展交换机 Tahan，并开源 MetaRoCE 协议。
• Meta 在 Instagram Live 推流端部署 (2026-10-13 · Meta Engineering)
  用 IETF 开放标准 MoQ 替换自研协议 RUSH，推流质量指标持平，为端到端直播架构铺路。
• 把闲置推理算力变成更好的广告推荐 (2026-10-13 · Meta Engineering)
  Meta 用两个弹性杠杆（RMA 和 SBM）安全地吃掉分散的空闲算力，在不影响基线性能的前提下提升广告推荐质量。
• Meta 为 AI 眼镜引入 Private (2026-09-24 · Meta Engineering)
  基于 TEE 的机密计算架构，数据在传输、存储和处理时均保持加密，连 Meta 也无法访问
• Meta 开源资源分配求解器 Rebalancer (2026-09-22 · Meta Engineering)
  每天解决约 4000 万个分配问题，P99 求解 12 秒，附带调试 UI
• ZGateway：在 ZippyDB 前加一层代理的教训 (2026-09-04 · Meta Engineering)
  Meta 用无状态代理层将 ZippyDB 的客户端-数据库连接减少约 98%，并实现了跨客户端批处理与租户隔离。
• Meta 构建组织第二大脑：AI 从专家处学习 (2026-09-02 · Meta Engineering)
  将知识（结构化 wiki）与推理（可组合菜谱）分离，专家反馈自动编译为可验证更新，无需重训模型。
• MetaRoCE：为 AI 规模以太网打造的 RDMA (2026-08-25 · Meta Engineering)
  Meta 开源了面向百万 GPU 集群的 RDMA 协议，支持乱序交付、多路径喷洒，不依赖 PFC 流控。
• MTIA 300：Meta 首款内置网卡的训练芯片 (2026-08-25 · Meta Engineering)
  推荐模型训练瓶颈在通信而非算力，MTIA 300 用内置 NIC 和专用消息引擎实现 1.2 TB/s I/O 带宽、2.8 TB/s 规约吞吐量。
• Meta 广告排序的多阶段序列模型与缩放定律 (2026-08-06 · Meta Engineering)
  离线用户建模与在线排序解耦，配合密集 token 化注意力机制，Instagram 转化率提升 6%，Facebook 转化率提升 3%
• Meta 如何将广告推荐模型 GEM 的训练效率翻倍 (2026-08-04 · Meta Engineering)
  通过自研核函数与 5D 并行，12 个月内将训练 FLOPs 扩大 4 倍，MFU 达到 20–25%。
• Meta 探索分层兴趣表示优化广告深层漏斗 (2026-07-16 · Meta Engineering)
  用 transformer 图学习为广告实体学统一嵌入，连接稀疏信号与广告主供给，已在数十亿级数据上训练。
• Meta 用开源内核调度器优化广告系统 (2026-07-14 · Meta Engineering)
  定制 sched_ext 策略使广告检索 p99 延迟降低 28%，节省 3.28 兆瓦电力
• Meta 的 AI 存储蓝图 (2026-07-02 · Meta Engineering)
  存储性能落后于算力增长，GPU 空转推高训练成本；Meta 通过 BLOB 架构优化延迟上限来避免集群同步瓶颈。