Framework

general · First seen 2026-05-22 · Last seen 2026-11-20 · 638 mentions

Overview

Framework(框架)在 AI 领域指为模型训练、部署、智能体构建等任务提供标准化流程与工具集的软件体系。它处于 AI 工程化的中间层:向下对接算力与模型,向上支撑具体应用,是研究论文到生产系统之间常被引用的基础组件。近期的框架类工作呈现两条主线:一是大厂围绕世界模型、广告机器学习等场景推出全流程方案,二是安全、隐私、持续学习等专项框架在 arXiv 上密集出现。

主流 Framework 近期进展

  • NVIDIA 发布 Cosmos 框架与 NIM,覆盖世界模型训练、仿真与服务全流程:NVIDIA 把 Cosmos 框架与 NIM 打包,将世界模型从训练、仿真到推理服务串成一条链路,延续了其“全栈框架 + 微服务”的生态打法。
  • Meta 推出 F3 Lightning:加速广告 ML 特征上线:Meta 工程团队于 2026 年 11 月 3 日发布 F3 Lightning,目标是缩短广告机器学习特征从开发到生产的周期,属于工业界特征工程框架的迭代。
  • Google 提出 sleep framework:让 LLM 在持续学习中保留旧知识:Google Research 借鉴“睡眠整理记忆”的思路,提出在持续学习过程中巩固旧知识、避免灾难性遗忘的框架,为 LLM 的在线更新提供了研究范式。
  • 用 Strands Agents 构建自适应智能体框架:本地 SLM 处理简单任务,复杂请求走 Amazon Bedrock:AWS 展示了按任务复杂度分层路由的智能体框架——简单请求交给本地小模型,复杂请求调用 Amazon Bedrock,兼顾成本与能力。
  • CoreWeave 发布六层 Zero Trust AI Framework,支持访问需客户授权:GPU 云厂商 CoreWeave 公布六层零信任安全框架,所有访问均需客户授权,反映算力平台对数据安全的投入。
  • ASIRF:免重训练的敏感信息脱敏智能体框架:该论文提出无需重新训练模型即可完成敏感信息脱敏的智能体框架,属于隐私保护方向的轻量方案。
  • 当前焦点与观察点

    当前的框架竞争已经从“单点工具”转向“全流程覆盖”。NVIDIA 的 Cosmos 与 Meta 的 F3 Lightning 都在强调端到端整合,试图通过绑定自家硬件或平台提高迁移成本;这种生态绑定带来的兼容性与中立性问题值得关注。

    专项化框架是另一条趋势。Google 的 sleep framework 针对 LLM 持续学习中的遗忘问题,ASIRF 聚焦敏感信息脱敏,CoreWeave 则把框架概念延伸到零信任安全架构。框架的内涵正在从“开发工具”扩展到“方法论 + 工具链”的组合。

    值得观察的三点:其一,分层推理与智能体框架能否在成本与效果之间找到可复制的均衡;其二,安全与隐私框架是否会成为模型发布的标准配置——OpenAI 已为 Astra 模型发布安全概述,评估体系与框架的结合可能加速;其三,学术框架与工业框架的收敛速度,多数 arXiv 方案仍停留在可复现性验证阶段,缺乏大规模落地证据。对使用者而言,选择框架时更应关注社区活跃度与长期维护,而非单篇报道的功能清单。

    Coverage

    10 on file