Amazon Marketplace 如何利用 Amazon SageMaker AI 评估内容质量
Amazon Marketplace 利用 Amazon SageMaker AI 构建多模型融合架构,通过 VLM 对 A+ Content 进行整体质量评估。该方案将 VLM 语义分数与 OCR 信号输入 CatBoost 分类器,结合 SHAP 解释生成改进建议,帮助卖家提升内容质量并促进销售。
Amazon Marketplace 利用 Amazon SageMaker AI 构建多模型融合架构,通过 VLM 对 A+ Content 进行整体质量评估。该方案将 VLM 语义分数与 OCR 信号输入 CatBoost 分类器,结合 SHAP 解释生成改进建议,帮助卖家提升内容质量并促进销售。
AWS 展示了如何构建多智能体工程助手,利用 Amazon Nova Multimodal Embeddings 和 Amazon Bedrock AgentCore 自动化零部件替换评估。系统通过确定性 Python 代码进行规格评分,结合多模态嵌入实现图表检索与视觉相似度比对,并生成符合 AS9100 标准的审计追踪。
AWS 发布教程,展示如何在 Amazon EKS 和 SageMaker HyperPod EKS 上部署 NVIDIA Nemotron 3.5 Super VL 模型。该模型为 120B 参数 MoE 架构,支持文本、图像、文档和视频理解,并提供了 vLLM 部署配置及基于 aiperf 的性能评估方法。
Property Finder 发现其 96.8% 的评估标签源自单一模型预测,导致评估存在系统性偏差。团队通过专家标注构建无偏基准,并利用演化式提示词优化将 Llama 4 Maverick 17B Instruct 的 Micro F1 从 0.55 提升至 0.81,同时降低了 86% 的成本。
Google DeepMind 发布 Genie 4,这是一款原生多模态世界模型,能同时生成视觉、音频和交互式对话。该模型结合 Gemini 系列能力,支持通过自然语言实时修改场景、模拟物理现象及人物行为。目前 Genie 4 已向可信测试者开放研究预览,后续将面向 Google AI Ultra 订阅者及 Gemini API 合作伙伴推出。
推荐理由:Genie 4 将原生音频生成与 Gemini 实时推理结合,展示了交互式世界模拟在物理一致性和多模态反馈上的新边界。
C-BRAIN 与 NVIDIA 合作开发 AI 工具以加速阿尔茨海默病研究,利用联邦学习处理各机构私有数据。已发布的 OpenScientist 和 InsightEngine 工具将原本需数周的分析缩短至数分钟,单次成本低于 10 美元,预计每年可释放超百万小时的研究产能。
推荐理由:C-BRAIN 与 NVIDIA 合作构建的 AI 研究工具将分析周期从数周缩短至数小时,展示了联邦学习在保护隐私前提下加速神经退行性疾病研究的可行性。
Google DeepMind 联合 WRI 和 IIASA 发布 ForTy 2020,将全球土地划分为 6 种森林及土地利用类型。该地图提供 10 米分辨率数据及 2017-2025 年时序变化,在 9000 个验证点中森林类型识别准确率达 90%。
NVIDIA 联合合作伙伴与欧洲多国政府,利用开放模型和加速基础设施推动公共部门 AI 应用落地。欧盟委员会通过 deepset 扩展 Haystack 平台以支持 AI@EC 的治理与优化。
NVIDIA 发布基于欧洲气象数据训练的 StormScope EU 模型,支持 10 分钟间隔的云况预测。AXA、Vaisala 等机构正利用 Earth-2 开源框架,将气象 AI 应用于保险风险评估、空气质量建模及太阳能发电预测等实际场景。
推荐理由:文章展示了欧洲机构如何利用开源模型结合本地数据,解决从保险风控到空气质量监测的具体业务问题。
NVIDIA 介绍了欧洲零售商使用开放模型和物理智能的技术进展。Shopify 通过微调 Nemotron 3.5 Lightning 将推理成本降低 90% 并提升 7 倍响应速度。Otto Group 利用 Omniverse 在数字孪生中模拟仓库运营,CATCHES 的虚拟试穿技术则帮助 AMIRI 提升了转化率和销售额。
NVIDIA 发布了 Nemotron 3.5 Super VL 和 Bolt E4B 4GB 模型,以及用于结构化企业数据的 Kumo 模型、用于机器人训练的 Cosmos 世界模型、用于自动驾驶的 Alpamayo 2 Edge、用于蛋白质设计的 BioNeMo RFD4-Proteina 和用于量子计算的 Ising 模型。
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。
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 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 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。
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。
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT‑Image‑2.5,帮助创作者将大胆的想法转化为详细的图像和电影级视频广告。
Google DeepMind 发布 EmbeddingGemma 2,这是一个基于 Gemma 4 架构、拥有 7.4 亿参数的开源多模态嵌入模型,支持在端侧统一处理文本、代码、图像、音频和视频。
推荐理由:该模型在 7.4 亿参数规模下统一了文本、图像、音频和视频嵌入,为端侧多模态检索提供了具体的性能基准与部署方案。
NVIDIA Inception 初创公司利用 AI 技术解决乳腺癌筛查与治疗中的效率瓶颈。iSono Health 的 ATUSA 平台将超声扫描时间缩短至约 2 分钟,灵敏度比手持超声高 28%。Whiterabbit.ai 和 Ataraxis AI 则分别通过 AI 辅助乳腺密度评估及病理切片分析,加速诊断并预测治疗反应。
Google DeepMind 发布 Gemini 4 Argon,该模型通过 Fairwind 计划向受信任的网络安全防御者开放,旨在处理复杂的软件工程、企业知识工作及网络安全防御任务。
推荐理由:原文给出了 Gemini 4 Argon 在长程推理、企业工作流及网络安全防御上的具体基准表现,读者可据此评估其前沿能力边界。
Microsoft Research 发布 Quine,这是一个结合生物世界模型与交互式框架的 AI 研究系统,旨在连接模型、科学工具、文献及研究人员。在与 Broad Institute 的合作中,Quine 成功预测并筛选出能驱动胰腺癌细胞状态转变的化合物,湿实验验证了部分高排名候选物,将原本需数月的筛选工作缩短至一个周末。
推荐理由:原文展示了 Quine 在胰腺癌细胞状态预测中的具体应用,读者可据此评估 AI 系统如何加速生物实验筛选流程。
Microsoft Research Asia – Singapore 于 2025 年 7 月 24 日作为微软在东南亚的首个研究实验室正式开放。该实验室聚焦下一代 AI 模型、智能体系统及领域特定 AI,通过与新加坡医疗、金融等行业的合作伙伴双向交流,将前沿研究转化为解决现实问题的实际方案。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,通过原生结合低延迟流式视频与实时对话,为 Gemini 企业版引入具备视觉存在的多模态交互能力。
推荐理由:原文展示了低延迟视频流与实时对话的原生结合,并说明了异步工具调用与多语言唇形同步机制,为评估企业级多模态交互体验提供了具体技术细节。
Microsoft Research 发布 GigaPath-Flash 和 GigaTIME-Flash,旨在通过提升效率支持大规模病理研究。GigaPath-Flash 采用 22M 参数的 ViT-S 编码器,在保持性能的同时将计算成本降低约 50 倍;GigaTIME-Flash 则通过替换骨干网络,在空间蛋白质组预测上实现约 6 倍加速和 8 倍内存节省。
伯克利人工智能研究实验室(BAIR)展示 2026 届博士毕业生成果,研究涵盖机器人、大语言模型推理、计算机视觉及 AI 安全等领域。毕业生去向包括 OpenAI、Mistral AI、Physical Intelligence 等机构及高校教职。
Berkeley AI Research 提出基于互信息的成像系统设计框架,直接评估和优化系统信息含量。该框架在 NeurIPS 2025 论文中验证了其在四个成像领域预测性能的能力,优化结果匹配 SOTA 且无需任务特定解码器。