<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[MatrixOrigin的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/MatrixOrigin</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; MatrixOrigin]]></copyright><item><title><![CDATA[Astra 正式开源了：面向长期复杂工作的企业级 Agent Runtime]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/165000357</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/165000357</guid><author>MatrixOrigin</author><pubDate>Fri, 11 Sep 2026 16:19:34 +0800</pubDate><description><![CDATA[矩阵起源正式开源自托管、不绑定模型供应商的企业级 Agent Runtime：Astra。让长期工作用更少的 Token 持续推进，让 Agent 的修改可追踪、可回滚，让同一项工作跟着用户跨环境继续。]]></description><category></category></item><item><title><![CDATA[回到波士顿：VLDB 2026 见闻，半个世纪的数据技术变迁与新的黄金时代]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/164991362</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/164991362</guid><author>MatrixOrigin</author><pubDate>Fri, 11 Sep 2026 14:21:58 +0800</pubDate><description><![CDATA[MatrixOrigin 张祖羽博士的 VLDB 2026 现场见闻：时隔 51 年重返波士顿的特别回顾、Reynold Xin 与周靖人的两场 Keynote、Agent 时代的数据系统趋势与 GPU 数据库的兴起，以及 ContextPipe 获得 ADS 2026 Oral Paper Award。]]></description><category></category></item><item><title><![CDATA[当 Agent 的上下文也有了“查询优化器”，矩阵起源论文ContextPipe入选数据库顶会VLDB 2026 Workshop]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/164302229</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/164302229</guid><author>MatrixOrigin</author><pubDate>Wed, 02 Sep 2026 17:53:25 +0800</pubDate><description><![CDATA[矩阵起源与清华大学联合完成的ContextPipe论文入选VLDB 2026 ADS/DATAI Workshop，以数据库查询优化思路提升长周期Agent的上下文管理能力。]]></description><category></category></item><item><title><![CDATA[矩阵起源中标外研社“多模态数据智能平台和智能体开发项目“]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/164261634</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/164261634</guid><author>MatrixOrigin</author><pubDate>Tue, 01 Sep 2026 15:33:53 +0800</pubDate><description><![CDATA[矩阵起源成功中标外研社多模态数据智能平台和智能体开发项目，将以 MatrixOne Intelligence（MOI）多模态数据底座，支撑外语教育出版全业务场景的 Data + AI 基础设施建设。]]></description><category></category></item><item><title><![CDATA[MatrixOne Git4Data 技术详解（十三）·Agent 篇：Memory——从行业方案到可治理的长期记忆]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/164221581</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/164221581</guid><author>MatrixOrigin</author><pubDate>Mon, 31 Aug 2026 16:17:55 +0800</pubDate><description><![CDATA[Agent Memory 不是更长的上下文，而是 Agent 跨任务持续工作的状态层。本文从 Memory 的定义与价值出发，梳理提示词文件、对话摘要、向量检索、结构化存储和平台内建记忆等行业方案，再介绍如何在 MatrixOne 上利用结构化数据、混合检索，以及它的 Git4Data 能力所提供的分支、DIFF、快照和回滚，构建可检索、可审计、可恢复的长期记忆。]]></description><category></category></item><item><title><![CDATA[湾区论“智”｜矩阵起源受邀亮相第三届湾区CIO论坛]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/164123674</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/164123674</guid><author>MatrixOrigin</author><pubDate>Thu, 27 Aug 2026 18:37:01 +0800</pubDate><description><![CDATA[矩阵起源创始人兼 CEO 王龙受邀出席第三届湾区 CIO 论坛，分享企业 AI 从模型智能迈向产业级智能的关键路径与实践。]]></description><category></category></item><item><title><![CDATA[矩阵起源、汉得信息、中鼎集团共建 AI Factory，打造全球化智能制造新样板]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/164083427</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/164083427</guid><author>MatrixOrigin</author><pubDate>Wed, 26 Aug 2026 11:35:16 +0800</pubDate><description><![CDATA[矩阵起源、汉得信息与中鼎集团共同启动 AI Factory 项目，围绕数据与智能底座、企业级 AI 应用和生产级软件技术栈，打造可持续生长、可全球复制的智能制造新范式。]]></description><category></category></item><item><title><![CDATA[MatrixOne Git4Data 技术详解（十二）·大模型篇：RLHF 偏好数据——分歧、裁决与可复现]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/164051162</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/164051162</guid><author>MatrixOrigin</author><pubDate>Tue, 25 Aug 2026 11:40:25 +0800</pubDate><description><![CDATA[Git4Data 系列（十二），大模型篇：偏好数据的单位不是行而是对，而且不是采集来的、是从标注投票算出来的二阶数据——RLHF 与 DPO 两条路线共用同一份。本文用 20000 个 prompt 的偏好池，从 63000 条投票推导偏好对，在分支上审计退化对、无共识、偏好环与长度偏置，DIFF 出这一轮的净变更，用分支裁决标注分歧、合并前先把冲突清单物化下来，最后先登记后快照把数据集与奖励模型绑成可复现的一对。SQL 在 MatrixOne 4.1.0 上实测，全部确定性可复现。]]></description><category></category></item><item><title><![CDATA[AI 原生组织实践：从 FDE 到 FDB，再到 OPC 虚拟孵化器]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/164024791</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/164024791</guid><author>MatrixOrigin</author><pubDate>Mon, 24 Aug 2026 15:41:55 +0800</pubDate><description><![CDATA[MatrixOrigin 分享从 FDE 到 Forward Deployed Builder（FDB）的组织实践，并探讨 AI 如何放大个人能力、推动 Builder 成为嵌入组织的 OPC。文章进一步提出，AI 原生组织应成为 Builder、项目与新业务的虚拟孵化器。]]></description><category></category></item><item><title><![CDATA[邀请函｜8月22日，“数智跃迁 产业协同”大会，矩阵起源邀您共话 AI 落地]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/163919781</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/163919781</guid><author>MatrixOrigin</author><pubDate>Thu, 20 Aug 2026 15:15:21 +0800</pubDate><description><![CDATA[8月22日，深圳将举办“数智跃迁产业协同”AI+高质量发展大会暨第三届湾区CIO论坛。矩阵起源CEO王龙将作为开场嘉宾，围绕“从模型智能到企业智能”发表主题演讲，探讨企业AI落地的关键挑战（如Agent稳定性、数据孤岛等）和解决方案，分享从单个Agent部署到大规模管控的完整路径。活动将在龙岗区雅邦朗悦国际酒店举行，矩阵起源展台号为C05。]]></description><category></category></item><item><title><![CDATA[矩阵起源入选 2026 年度 Gartner® 数据管理领域最具创新力厂商]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/163881361</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/163881361</guid><author>MatrixOrigin</author><pubDate>Wed, 19 Aug 2026 11:05:44 +0800</pubDate><description><![CDATA[矩阵起源（MatrixOrigin）入选2026年Gartner《数据管理领域最具创新力厂商》，成为该报告中唯一上榜的中国企业。其产品MatrixOne Intelligence通过整合数据库、AI工作流编排和智能体运行管理，致力于解决AI应用中的数据治理难题，实现数据版本控制（Git4Data）和多环境灵活部署。该方案突破了传统数据架构局限，为企业提供可信、可控的AI基础设施支持。Gartner强调该评选不代表官方认可，仅反映研究机构观点。]]></description><category></category></item><item><title><![CDATA[MatrixOne Git4Data 技术详解（十一）·大模型篇：SFT 数据 curation——可审计、可复现的数据清洗]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/163879887</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/163879887</guid><author>MatrixOrigin</author><pubDate>Wed, 19 Aug 2026 10:43:04 +0800</pubDate><description><![CDATA[Git4Data 系列（十一），大模型篇：SFT 的数据量比预训练小好几个数量级，每一次取舍都印在模型行为上。本文用一个对话模型的 SFT 数据池，在零拷贝分支上完整走一遍 curation——精确去重、近重复、质量门、安全、评测去污染、多轮对话完整性六步过滤，每步先计数，DATA BRANCH DIFF 给出这一轮的净变更，再按先登记、后替换、再快照的顺序发布；并对比业内其他做法。SQL 在 MatrixOne 4.1.0 上实测。]]></description><category></category></item><item><title><![CDATA[喜报丨矩阵起源荣获2026深圳市“潜在独角兽企业”称号]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/163643604</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/163643604</guid><author>MatrixOrigin</author><pubDate>Mon, 10 Aug 2026 18:58:11 +0800</pubDate><description><![CDATA[深圳举办2026中国独角兽企业大会，揭晓瞪羚独角兽企业榜单。矩阵起源凭借在数据智能领域的技术实力和发展潜力，从"种子独角兽"进阶为"潜在独角兽"。该公司以MatrixOne Intelligence 5.0平台为核心，致力于构建从数据到可信Agent的统一平台，帮助企业实现AI技术的规模化应用和业务价值转化。此次获评体现了业界对其创新能力和高成长性的认可。]]></description><category></category></item><item><title><![CDATA[矩阵起源完成超千万美元A轮融资，产业资本与国际资本联手押注企业级AI基础设施赛道]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/163530827</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/163530827</guid><author>MatrixOrigin</author><pubDate>Thu, 06 Aug 2026 11:34:02 +0800</pubDate><description><![CDATA[矩阵起源宣布完成超千万美元A轮融资，本轮由汉得信息参与投资的基金、亚康股份与 Artesian Venture Partners 共同注资。资金将用于 MatrixOne Intelligence 平台研发迭代、全球市场拓展及智能体规模化落地。]]></description><category></category></item><item><title><![CDATA[MatrixOne Git4Data 技术详解（十）·深度学习篇：训练数据怎么管——lakeFS 管文件，MatrixOne 管元数据]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/163374058</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/163374058</guid><author>MatrixOrigin</author><pubDate>Fri, 31 Jul 2026 18:57:52 +0800</pubDate><description><![CDATA[Git4Data 系列（十），深度学习篇：文件型（图像等）训练数据分成两个世界——图/音/视频文件交给 lakeFS，指针/标签/哈希/切分组成的元数据交给 MatrixOne。以训练一个图像分类模型为例，用 SQL 在元数据上完成接入(WAP)、精确+感知去重、评测去污染、完整性检查、重标注、data curation 发布，并用「元数据快照 × lakeFS commit」钉成可复现训练集；lakeFS + MatrixOne 端到端脚本已实测。SQL 在 MatrixOne 4.1.0 上实测。]]></description><category></category></item><item><title><![CDATA[MatrixOne Git4Data 技术详解（九）·AI 训练实践篇：数据集发布与泄漏——别让离线指标骗了你]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/163165141</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/163165141</guid><author>MatrixOrigin</author><pubDate>Fri, 24 Jul 2026 16:22:35 +0800</pubDate><description><![CDATA[Git4Data 系列（八），AI 训练实践篇开篇：先建立机器学习全流程的坐标系。从数据接入、质量门禁、清洗标注、特征工程、训练/验证/测试集发布、模型评估，到上线监控与反馈重训，逐环节说明 snapshot、branch、diff、merge、cherry-pick、restore 与 PITR 能解决什么、不能解决什么，并以一个持续迭代的风控模型完整串联。配套脚本在 MatrixOne 4.1.0 上实测。]]></description><category></category></item><item><title><![CDATA[# MatrixOne Git4Data 技术详解（八）·AI 训练实践篇：从数据进入到模型迭代——Git4Data 能力如何贯穿机器学习全流程]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/163111483</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/163111483</guid><author>MatrixOrigin</author><pubDate>Wed, 22 Jul 2026 17:49:38 +0800</pubDate><description><![CDATA[Git4Data 系列（八），AI 训练实践篇开篇：先建立机器学习全流程的坐标系。从数据接入、质量门禁、清洗标注、特征工程、训练/验证/测试集发布、模型评估，到上线监控与反馈重训，逐环节说明 snapshot、branch、diff、merge、cherry-pick、restore 与 PITR 能解决什么、不能解决什么，并以一个持续迭代的风控模型完整串联。配套脚本在 MatrixOne 4.1.0 上实测。]]></description><category></category></item><item><title><![CDATA[投标团队最苦的活，我们用 AI Agent 重做了一遍]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/162736297</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/162736297</guid><author>MatrixOrigin</author><pubDate>Thu, 09 Jul 2026 17:48:19 +0800</pubDate><description><![CDATA[本文介绍了一个用于投标流程的AI Agent案例，通过工程化方法将重复性技术应答工作自动化。该Agent能解析招标Excel，逐条匹配企业知识库生成带证据的答复（准确率92.5%），经人工审核后回填标准标书。其核心在于四层能力设计：智能标书解析、结构化知识库管理、可追溯的应答流程（答必有据、不懂就问）及全链路可观测系统。]]></description><category></category></item><item><title><![CDATA[MatrixOne Git4Data 技术详解（七）·数据运维实践篇：Write-Audit-Publish——给 ETL 流水线装一道发布门禁]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/162640102</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/162640102</guid><author>MatrixOrigin</author><pubDate>Mon, 06 Jul 2026 17:57:58 +0800</pubDate><description><![CDATA[Git4Data 系列（七），数据运维实践篇收官：Write-Audit-Publish（WAP）。新数据先落 staging 分支、跑一组 SQL 审计门禁、再一次原子 MERGE 发布——脏批次在门口就被拦下，生产表全程零感知。含真实场景、三步落地、以及和直接灌/蓝绿改名/staging+INSERT/事务/DQ 工具等方案的详细对比。全部 SQL 在 MatrixOne 4.0.0-rc3 上实测。]]></description><category></category></item><item><title><![CDATA[源自Morpheus实践的阶段性成果：MatrixOrigin论文CLAP荣获CRAE 2026最佳海报奖]]></title><link>https://blog.csdn.net/MatrixOrigin/article/details/162556989</link><guid>https://blog.csdn.net/MatrixOrigin/article/details/162556989</guid><author>MatrixOrigin</author><pubDate>Fri, 03 Jul 2026 17:17:03 +0800</pubDate><description><![CDATA[MatrixOrigin团队论文《CLAP: Closed-Loop Training, Evaluation, and Release Control for Domain Agent Post-training》获CRAE 2026"最佳海报奖"。该研究提出面向产业级Agent的后训练闭环治理框架，涵盖数据治理、训练验证、评测发布全流程，解决了企业级Agent从训练到落地的关键问题。实验验证了后训练收益的不稳定性，强调RAG的必要性及发布决策需综合评估。]]></description><category></category></item></channel></rss>