GitHub Copilot 如何在 VS Code 中继续应用会话
GitHub Copilot 支持在 VS Code 中直接打开应用会话，保留对话、代码变更及工作树上下文。用户可在编辑器中逐行审查差异、手动编辑代码并本地运行测试，无需重建会话。完成修改后，可直接提交并推送更新至关联的 Pull Request。
全部 AI 动态
GitHub Blog · AI & MLAI 评分4242 AWS Machine Learning BlogAI 评分4040 Deepgram 如何利用 AWS Trainium 优化大规模语音 AI
Deepgram 将 Nova-3 语音转文本模型移植至 AWS Trainium2，用于离线批量工作负载。该配置在单台 EC2 trn2.3xlarge 实例上运行 8 个模型副本，相比原有计算方案，每美元处理的音频量提升 11% 至 70%。
AWS Machine Learning Blog精选AI 评分6262 TwelveLabs Pegasus 1.5 上线 Amazon Bedrock，支持长视频结构化元数据生成
TwelveLabs 的视频语言模型 Pegasus 1.5 现已在 Amazon Bedrock 上可用，支持直接分析最长两小时的视频并返回带时间戳的结构化 JSON 元数据。该模型新增视频分段、多模态提示（支持参考图像）和即时处理功能，无需预索引即可从 Amazon S3 或 base64 字符串直接读取视频，数据保留在 AWS 数据边界内。
推荐理由：Pegasus 1.5 在 Amazon Bedrock 上支持直接分析长达两小时的视频并返回带时间戳的结构化元数据，为长视频检索提供了新的工程路径。
AWS Machine Learning Blog精选AI 评分6767 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。
AWS Machine Learning Blog精选AI 评分7272 vLLM 引入基于 Push 的 KV 传输机制以优化分离式推理延迟
vLLM 新增基于 Push 的 NIXL 连接器，通过将 KV 缓存传输协调移出关键路径，显著降低分离式推理的首 token 延迟（TTFT）和每 token 输出时间（TPOT）。
推荐理由：原文展示了 push 模式如何通过重叠计算与传输协调降低延迟，为高并发推理部署提供了具体的性能优化路径。
NVIDIA BlogAI 评分4242 NVIDIA 推进媒体智能体安全，携手 EBU 扩展主权框架并加速 Adobe Frame.io 视频搜索
EBU 与 NVIDIA 合作扩展欧洲公共广播主权框架，引入主权云、开放模型及集成伙伴以保障数据控制。Adobe Frame.io 利用 NVIDIA GPU 加速视频搜索，实现约 5 倍嵌入生成速度提升及最高 5 倍延迟降低。
OpenAI NewsAI 评分4242 Itaú 如何为全量客户构建生成式 AI
Itaú 通过对话界面 ia.i 和治理平台 IARA，将其 AI First 战略应用于巴西这一高度监管行业的客户与员工。
OpenAI NewsAI 评分4242 Sullivan & Cromwell 与 OpenAI 合作开发协议审查 AI 工具
Sullivan & Cromwell 与 OpenAI 合作开发了名为 Agreement Analyzer 的 AI 工具。该工具专门用于识别草案协议中的潜在问题，将法律专业知识融入自动化审查流程。
OpenAI NewsAI 评分3838 Grupo Boticário 如何利用 AI 强化人际连接
Grupo Boticário 利用 AI 强化人际连接，其自研智能体平台可自主解决高达 80% 的经销商运营请求。这一举措使销售团队得以从繁琐事务中解脱，转而承担更具价值的顾问角色。
OpenAI NewsAI 评分4242 Localiza 如何利用生成式 AI 重组工作流程
Localiza 利用 ChatGPT Enterprise、OpenAI API、Codex 及 60 多个专用智能体重组工作流程。该公司通过部署这些 AI 工具，构建了 AI 原生的移动出行体验。
OpenAI NewsAI 评分4242 OpenAI 推出 GPT-Rosalind 学术计划
OpenAI 推出 Rosalind Academic Plan，为符合条件的学术实验室提供 GPT-Rosalind 的赞助访问权限。该计划旨在通过提供相关工具，助力生命科学研究领域的进展。
Microsoft Research精选AI 评分7373 Microsoft Research 发布 Magnetar：基于标准哈希函数的通用零知识证明系统
Microsoft Research 发布 Magnetar，一种基于标准哈希函数的零知识虚拟机，支持 Rust、Go 和 C 程序的可验证执行。Magnetar 在笔记本电脑上每秒可证明 720 万至 870 万条处理器指令，比现有最快同类系统平均快 10 至 39 倍，且证明验证时间仅需约 12 毫秒。
推荐理由：Magnetar 将零知识证明速度提升 10 至 39 倍，且仅依赖标准哈希函数，为通用计算的可验证性提供了工程化路径。
AWS Machine Learning Blog精选AI 评分7575 Meta Muse Spark Open 模型现已在 Amazon SageMaker JumpStart 上线
Meta 的编码优化开源权重模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上线，支持 100 万 token 上下文窗口。
推荐理由：AWS 提供了在 SageMaker 上部署 Meta 开源编码模型的完整路径，涵盖实例选型与推理调用细节。
Google DeepMindAI 评分6262 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。
NVIDIA Blog精选AI 评分8787 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。
AWS Machine Learning Blog精选AI 评分7676 AWS 发布 Trust in Depth 框架：通过分层验证赋予 Agent 更高自主权
AWS 发布 Trust in Depth 框架，旨在通过 Scope、Know、Bound、Observe 四层独立机制，在保持控制的前提下提升 AI Agent 的自主性。
推荐理由：AWS 提出 Trust in Depth 框架，将自动化推理引入 Agent 策略验证，为高自主性场景提供可证明的安全边界。
OpenAI NewsAI 评分2525 OpenAI 推出巴西葡萄牙语版 AI for Educators 并展示 Study Mode 辅助教学
OpenAI 推出巴西葡萄牙语版 AI for Educators，并展示 Study Mode 如何帮助教师支持主动、分步学习。该功能旨在通过提问引导学生思考与学习，庆祝教师节。
NVIDIA BlogAI 评分3535 NVIDIA DLSS 4.5 控制功能登陆 GeForce NOW
NVIDIA DLSS 4.5 控制功能现已登陆 GeForce NOW，允许用户在不升级硬件的情况下调整云端游戏画质与性能。Ultimate 会员在 RTX 5080 云端主机上可使用最高 4X 动态多帧生成。Enshrouded 1.0 和 Warhammer 40,000: Boltgun 2 同步上线云游戏服务。
NVIDIA BlogAI 评分5252 NVIDIA 加入欧盟 AI in Science Enablers 计划，开放算力、开源模型及培训资源支持欧洲科研
NVIDIA 宣布加入欧盟委员会发起的 AI in Science Enablers Initiative，向欧洲科研社区提供加速计算工具、开源模型、算力资源及技能培训。
NVIDIA BlogAI 评分5252 NVIDIA 展示北欧地区在先进计算领域的生态布局与落地成果
NVIDIA 展示了北欧地区在先进计算领域的生态布局，涵盖基础设施、企业应用及初创企业。瑞典 Sferical One 超级计算机集群已部署 1,152 块 NVIDIA DGX GB300 GPU，预计 2027 年底前该地区 AI 云容量将达到 1 吉瓦。
OpenAI NewsAI 评分4242 Block 如何利用 OpenAI 技术构建 AI 驱动的安全体系
Block 正在利用 OpenAI 技术构建 AI 驱动的安全体系。其安全团队能够更快地调查威胁，并在几分钟内提出补丁方案。
OpenAI NewsAI 评分4242 SentinelOne 利用 OpenAI Daybreak 将恶意软件分析时间从数周缩短至数小时
SentinelOne 利用 OpenAI Daybreak 将恶意软件分析时间从数周缩短至数小时。这一变化释放了调查容量，使团队能够处理更多威胁。
OpenAI NewsAI 评分4242 Amp 利用 OpenAI 模型将 AI 智能体应用拓展至代码之外
Amp 利用 GPT-6 Astra、Ultrafast、GPT-Live-1 及 Sign in with ChatGPT 将 AI 智能体应用拓展至代码之外。这些模型组合展示了智能体在代码以外场景的能力边界。
OpenAI NewsAI 评分4242 Third Moment Research 如何利用 GPT-6 系列模型运行 10,000 个智能体长达 36 小时
Third Moment Research 利用 GPT-6 Astra、GPT-6.1 Sol、Codex 及 Daybreak 构建智能体，实现连续运行 10,000 个智能体超过 36 小时。该实验室开发的智能体具备多日专注工作能力，并随使用过程持续改进。
AWS Machine Learning BlogAI 评分5252 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。
AWS Machine Learning BlogAI 评分4040 Tamnoon 如何利用 Amazon Bedrock 构建 AI 云安全修复系统
Tamnoon 基于 Amazon Bedrock 构建了智能体云修复编排器 Tami，在 90 天内将关键云暴露风险降低 90% 以上且无生产事故。该系统通过调查、安全评分、修复及代码生成四个专用智能体，自动处理 CNAPP 发现的安全问题。
AWS Machine Learning BlogAI 评分4242 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。
AWS Machine Learning BlogAI 评分4040 Amazon SageMaker JumpStart 模型部署与评估指南
本文演示了如何使用 SageMaker Python SDK 从 Amazon SageMaker JumpStart 部署预训练模型并执行轻量级性能测试。该流程通过发送示例提示词测量延迟、输出长度及生成速率，测试完成后自动清理端点。此方法适用于多种兼容模型，但具体载荷格式和实例类型需根据模型调整。
OpenAI NewsAI 评分4242 欧盟 AI 的下一章是智能体
新分析显示，智能体 AI 在欧盟企业和中小企业中的采用率正在增长。该分析指出了更深层应用可能释放更多价值的领域。
NVIDIA BlogAI 评分4040 欧洲城市部署 NVIDIA 驱动 AI 智能体优化城市运营
欧洲多座城市利用 NVIDIA 加速计算构建物理 AI 智能体与数字孪生，以优化城市运营决策。法国 Côte-d’Or 省项目将文档搜索时间从数周缩短至分钟级，并降低 10% 运营成本。
NVIDIA BlogAI 评分4242 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。
Google DeepMind精选AI 评分6060 Google DeepMind 与新加坡政府合作发布端侧诈骗检测模型
Google DeepMind 与新加坡政府技术署（GovTech）合作，基于 Gemma 模型微调并部署在端侧，用于检测本地诈骗对话。该模型采用两阶段流水线，在保护用户隐私的同时实现实时诈骗预警，旨在解决新加坡日益复杂的社交工程诈骗问题。
推荐理由：展示了在端侧运行微调 Gemma 模型检测诈骗的技术路径，为平衡隐私保护与安全防护提供了可参考的工程实践。
AWS Machine Learning Blog精选AI 评分6767 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。
OpenAI News精选AI 评分6262 Higgsfield 接入 GPT-6 Astra 将 AI 视频时长扩展至 10 分钟以上
Higgsfield 宣布接入 GPT-6 Astra、GPT-Image-2.5 和 GPT-Live，将 AI 视频生成时长从 1 分钟扩展至 10 分钟以上。该更新同时引入了更精准的视觉控制和语音电影制作路径。
推荐理由：Higgsfield 接入 GPT-6 Astra 等模型，将视频时长从 1 分钟扩展至 10 分钟以上，并引入语音制作路径。
Google DeepMind精选AI 评分8585 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。
AWS Machine Learning BlogAI 评分4242 Amazon Bedrock 如何使用托管授权管理私有定价
Amazon Bedrock 托管授权允许从中央账户一次性订阅，即可向组织内多个 AWS 账户分发第三方 AI 模型访问权限。AWS 提供轻量脚本用于一次性激活，或基于 AWS CDK 的事件驱动自动化，通过 EventBridge 和 Lambda 自动验证卖家并激活授权。
GitHub Blog · AI & MLAI 评分5252 GitHub 发布基于 ModernBERT 的密钥检测模型，降低误报与扫描成本
GitHub 发布基于微调 ModernBERT 的密钥检测模型，将 post-push 扫描中位执行时间降低 86%，服务成本降低 98%。该模型通过结合正则候选生成与上下文分类，在 A/B 测试中将仓库所有者加权接受率提高 11.5%，有效减少误报并提升扫描效率。
AWS Machine Learning BlogAI 评分5252 Orca Security 基于 Amazon Bedrock 构建自然语言安全查询智能体 Discovery AI
Orca Security 基于 Amazon Bedrock 构建 Discovery AI，将自然语言转换为 Sonar 查询，输入 token 降低 93%，成本降低 90%，延迟降低 75%。
AWS Machine Learning BlogAI 评分5252 AWS 分享 Amazon SageMaker AI 上 MoE 模型的内核工程优化实践
AWS 团队在 Amazon SageMaker AI 上实施了多项针对混合专家（MoE）模型的 GPU 内核优化，旨在降低推理延迟并提升吞吐量。通过 Swap-AB 矩阵转置、FP8 量化后端路由调整及消除 Triton JIT 重编译，在 H200 上实现了最高 10% 的吞吐量提升和 9% 的首 token 延迟（TTFT）降低。
AWS Machine Learning Blog精选AI 评分7878 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。