跳到正文
10月20日周二
  1. AWS Machine Learning Blog62

    AWS 教程:使用 Strategy Mosaic 和 Amazon Bedrock AgentCore 构建智能体语义层

    AWS 发布教程,演示如何使用 Strategy Mosaic 作为语义层,通过 MCP 协议连接 Amazon Bedrock AgentCore 托管的 Strands 智能体。该架构支持跨 Amazon Redshift 和 Amazon Aurora 的无 ETL 联合查询,并将行级和列级安全策略直接应用于智能体调用,确保不同角色用户仅能访问其权限范围内的数据。

    推荐理由:演示了如何通过 MCP 协议将语义层接入 Agent,并实现跨数据源查询与细粒度权限控制。

  2. AWS Machine Learning Blog75

    Amazon Bedrock 为 Anthropic Claude 模型支持结构化输出

    Amazon Bedrock 现已支持所有 Anthropic Claude 模型的结构化输出功能,覆盖 bedrock-runtime 和 bedrock-mantle 端点。该功能通过受限解码在生成阶段强制符合 JSON Schema,消除了对自定义解析、重试逻辑和后处理的需求。

    推荐理由:AWS 官方说明了 Bedrock 对 Claude 模型支持结构化输出的机制,开发者可据此移除自定义解析逻辑。

  3. NVIDIA Blog67

    德国政府与 NVIDIA 签署联合意向声明,推进工业 AI 发展

    德国总理默茨与 NVIDIA 创始人黄仁勋在柏林会面,德国联邦政府与 NVIDIA 签署联合意向声明,旨在将德国传统工程制造优势与前沿 AI 技术结合,推动工业 AI 在欧洲的广泛应用。

    推荐理由:德国政府与 NVIDIA 签署联合意向声明,并公布对四家德国初创公司的新投资,展示了工业 AI 落地的具体路径。

  4. AWS Machine Learning Blog67

    vLLM 双向 KV 传输优化多轮智能体负载 TTFT

    AWS 在 vLLM 中引入双向 KV 缓存传输机制,允许 Decode 节点将已计算的 KV 块返回给 Prefill 节点,避免多轮对话中重复计算上下文。在 Amazon EC2 P5en 实例的 1P1D 部署中,该功能使 Qwen3-32B 的 TTFT 降低最高 1.6 倍,zai-org/GLM-5-FP8 降低最高 3.3 倍。

    推荐理由:文章展示了双向 KV 传输在 vLLM 中的实现机制,并给出了多轮智能体负载下 TTFT 降低的具体基准数据。

10月16日周五
  1. Google DeepMind62

    Google DeepMind 发布 Antigravity 加速抗菌肽发现

    Google DeepMind 发布 Antigravity 智能体开发平台,利用 ProtNLM 模型预测蛋白质功能并引入 3D 生物分子结构查看器。该平台将多数据库检索整合为单一协作会话,帮助研究人员在 Streptococcus pseudopneumoniae 中识别出具有潜在活性的新型抗菌肽候选物,目前该候选物正进入湿实验验证阶段。

10月15日周四
  1. NVIDIA Blog87

    NVIDIA 发布 Nemotron 3.5 Super VL 及 Bolt 系列开源模型,覆盖数据中心至边缘部署

    NVIDIA 发布 Nemotron 3.5 Super VL,这是一款 1200 亿参数的开源多模态模型,专为高吞吐量智能体工作流设计,在同类模型中实现 5 倍更快的任务完成速度。

    推荐理由:NVIDIA 发布覆盖数据中心到边缘的 Nemotron 3.5 系列,Super VL 以 120B 参数实现高效多模态智能体能力,Bolt 模型则针对本地部署优化。

  2. AWS Machine Learning Blog52

    AWS 发布基于 Amazon Bedrock AgentCore 的自改进文档处理方案

    AWS 发布基于 Amazon Bedrock AgentCore 的自改进文档处理方案,利用八个专用智能体协作实现文档分类、提取、验证及自动学习。该系统通过 Strands Agents 构建工作流,能自动适应新文档格式并复用提取指令,将处理时间从 3 分 49 秒缩短至 1 分 30 秒,月处理千份文档成本约 58 美元。

10月14日周三
  1. AWS Machine Learning Blog42

    Amazon Bedrock AgentCore 如何生成演示文稿

    基于 Amazon Bedrock AgentCore 构建的 AI 智能体系统可自动化生成演示文稿,内部测试显示耗时不足 90 秒。该方案使用 Strands Agents 框架编排 Claude Sonnet 4.6 进行内容创作,结合 Amazon Titan Text Embeddings v2 实现 RAG 检索以增强内容准确性。

  2. NVIDIA Blog42

    NVIDIA 宣布对英国初创生态的新投资

    NVIDIA 宣布计划投资 Boltz、Foresight 等五家英国初创公司,并承诺投入 2.5 亿美元算力支持英国智能体安全研究。此外,NVIDIA 成为 Earthshot Prize 全球联盟创始合作伙伴,为气候创新者提供算力支持。

  3. AWS Machine Learning Blog67

    AWS 发布 Anchor Browser 与 AgentCore payments 集成方案,支持 AI 智能体自主完成 x402 付费

    AWS 发布 Anchor Browser 与 Amazon Bedrock AgentCore payments 的集成方案,使 AI 智能体能够自主处理 HTTP 402 支付请求。

    推荐理由:文章展示了 Anchor Browser 与 AgentCore payments 的集成机制,解释了 AI 智能体如何在不接触私钥的情况下自主完成 x402 协议下的付费资源访问。

  4. Google DeepMind85

    Google DeepMind 发布 Gemini 4 Argon 并披露其安全与对齐防护机制

    Google DeepMind 开始广泛推出 Gemini 4 Argon,并同步发布安全报告,重点阐述针对网络与生物滥用风险的防护策略。该模型在网络安全测试中解决了全部 12 个端到端模拟攻击场景,并通过输入筛查、内部自省和持续监控三层机制降低越狱风险。此外,系统引入了实时失配监控器,在编码基准测试中将模型试图走捷径或作弊的行为降至 2%,并在间接提示注入基准测试中将攻击成功率降至 0.7%。

    推荐理由:原文详细拆解了针对网络攻击与生物滥用风险的三层实时防护机制,以及防止智能体越界行为的监控逻辑。

  5. AWS Machine Learning Blog78

    在 Amazon Bedrock 上使用 Grok 4.7 构建长时程智能体

    AWS 发布教程,指导如何在 Amazon Bedrock 上构建基于 Grok 4.7 的工具调用智能体,并评估不同推理强度(reasoning effort)对长时程任务的影响。在三个需要搜索而非查表的合成任务中,智能体在 72 次运行中答对 67 次,其中 xhigh 强度下 18 次全部正确,而 low 强度下答对 15 次且输出 token 仅为 xhigh 的约八分之一。

    推荐理由:原文给出了在 Amazon Bedrock 上构建 Grok 4.7 智能体的完整流程,并展示了不同推理强度下的准确率与 token 消耗对比。

10月13日周二
  1. NVIDIA Blog90

    NVIDIA RTX Spark 笔记本发布前推出本地 AI 生态更新与 Nemotron 3.5 Bolt 74B 模型

    NVIDIA 在 RTX Spark 笔记本 10 月 16 日上市前,发布了针对本地 AI 智能体的多项软件更新与性能优化。NVIDIA Nemotron 3.5 Bolt 74B 模型于 10 月 15 日推出,专为 RTX Spark 上的本地智能体设计,采用 2-bit 量化技术将 74B 参数模型压缩至 24GB 内存占用。

    推荐理由:NVIDIA 为 RTX Spark 笔记本发布日准备了完整的本地 AI 生态更新,涵盖 Nemotron 3.5 Bolt 74B 模型、PAIR 路由器正式版及 Adobe 等创意工具优化。

  2. GitHub Blog · AI & ML67

    GitHub Copilot 如何通过四种方式理解代码库

    GitHub Copilot 提供了四种配置项目上下文的方法,帮助模型遵循团队规范并执行复杂任务。用户可通过 .github/copilot-instructions.md 定义全局或路径特定的自定义指令,利用 .github/skills 文件夹封装可复用的 Agent 技能,在 .github/agents 中创建处理跨文件任务的自定义智能体,并接入 MCP 服务器以连接外部工具和数据源。

    推荐理由:原文给出了四种配置Copilot项目上下文的具体路径,读者可据此将团队规范转化为可复用的自动化指令。

  3. AWS Machine Learning Blog62

    AWS 发布多节点 Ray LLM 深度学习容器以支持 EKS 上的分离式推理

    AWS 推出多节点 Ray LLM 深度学习容器,支持在 Amazon EKS 上通过两个 GPU 节点部署大型语言模型,实现预填充和解码阶段的分离。该容器预集成了 vLLM、Ray Serve、NIXL 和 EFA 组件,通过 OpenAI 兼容接口提供服务,无需编写应用代码即可配置 KV 缓存传输,从而提升大规模推理性能并简化依赖管理。

    推荐理由:展示了如何利用预构建容器在 EKS 上实现多节点推理分离,简化了分布式部署流程。

10月9日周五
  1. AWS Machine Learning Blog72

    AWS 发布 2026 年 9 月 AI 构建者更新:Bedrock 接入 OpenAI 模型与 Strands 开源工具链

    AWS 发布 2026 年 9 月 AI 构建者更新,Amazon Bedrock 正式支持 OpenAI 的 GPT-6 Astra、Sol 和 Luna 模型,并推出由 OpenAI 驱动的 Managed Agents 公共预览版。

    推荐理由:汇总了 Bedrock 接入 OpenAI 模型、AgentCore 运行时优化及 Strands 开源工具链更新,展示了企业级智能体在成本与治理上的最新进展。

  2. AWS Machine Learning Blog72

    Postman 如何在 Amazon Bedrock 上为 4000 万开发者运行 Agent Mode

    Postman 在 Amazon Bedrock 上构建 Agent Mode,通过动态工具选择、Schema 感知读取和专用上下文处理器解决成熟产品集成 AI 智能体的工程挑战。架构利用 Bedrock 的跨区推理、零数据保留和分层提示词缓存,在保障数据合规的同时应对突发流量并控制推理成本。

    推荐理由:文章复盘了 Postman 在 4000 万开发者规模下构建 Agent Mode 的工程实践,提供了控制工具膨胀、Schema 读取和上下文管理的可复用架构模式。

  3. NVIDIA Blog72

    NVIDIA Omniverse 结合前沿 AI 智能体构建物理仿真应用

    NVIDIA 展示了开发者利用 GPT-6 Astra 等前沿 AI 智能体结合 Omniverse 库构建物理仿真应用的工作流。案例涵盖使用 Houdini 创建可编辑 3D 资产、在 Isaac Sim 中测试机器人拆解、从现场扫描重建建筑模型以及构建气轮机数字孪生。这些项目通过自然语言指令驱动智能体连接物理、渲染和传感器模拟能力,帮助开发者在物理 AI 仿真中探索场景、调查故障并改进设计。

    推荐理由:展示了前沿模型与 Omniverse 库结合构建物理仿真应用的具体工作流,为开发者提供可复用的智能体辅助开发路径。

  4. AWS Machine Learning Blog67

    Amazon Bedrock AgentCore payments 支持 AI 智能体按次推理付费

    Amazon Bedrock AgentCore payments 提供托管支付能力,允许 AI 智能体通过 x402 协议按需购买模型推理服务。Incarna 团队利用该功能在三天内完成集成,将原本需数月的开发周期缩短至约 200 行代码,并在 Base 网络主网上线生产环境。

    推荐理由:展示了 Agent 如何通过托管钱包和基础设施层限额实现按次推理付费,为智能体自主交易提供了可落地的工程参考。