Amazon Quick 与 Amazon Bedrock 如何用实时 ACL 重构 RAG 访问控制
Amazon Quick 与 Amazon Bedrock Knowledge Bases 在预检索 ACL 过滤之上新增实时 ACL 校验，在查询时直接向权威数据源核验权限，避免依赖可能过期或映射错误的 ACL 数据。
#部署/工程
AWS Machine Learning BlogAI 评分3838 AWS Machine Learning Blog精选AI 评分6262 Claude Haiku 5.5 上线 Amazon Bedrock 与 Claude Platform on AWS
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用。
推荐理由：文章给出 Haiku 5.5 在 Bedrock 上的能力定位与调用方式，可据此判断它在多智能体分工中的成本位置。
NVIDIA Blog精选AI 评分7272 NVIDIA 与 Microsoft 发布 RTX Spark 及 Windows 智能体基础设施
NVIDIA 与 Microsoft 在旧金山 Windows AI 活动上宣布为 Windows PC 的 AI 智能体共同设计软硬件，Microsoft 宣布操作系统级基础设施 Microsoft Execution Containers（MXC）正式可用，让智能体在系统控制下安全持久地在后台运行。
推荐理由：NVIDIA 与 Microsoft 把智能体运行所需的系统级容器和本地算力硬件一并给出，可据此判断本地智能体的落地路径。
GitHub Blog · AI & ML精选AI 评分6666 GitHub 推出基于 ModernBERT 的通用密钥检测模型，扩展推送保护
GitHub 发布基于 ModernBERT 的通用密钥检测分类器，利用上下文在 2 毫秒内评估候选密钥，可将可拦截的密钥数量提升一倍以上。
推荐理由：GitHub 公开九季度密钥泄露数据，并说明新分类器如何把推送拦截扩展到非结构化密钥。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：3500 行轻量智能体 RL 框架，支持真实 harness 训练
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重新实现智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，读者可了解无需重写 harness 的智能体 RL 训练范式与 3500 行实现。
AWS Machine Learning BlogAI 评分3434 Cornerstone OnDemand 如何用 Amazon Bedrock 将数据库诊断时间缩短 78%
Cornerstone OnDemand 基于 Amazon Bedrock 和开源智能体编排框架 Strands Agents 构建多智能体系统 Orion AI，将数据库诊断时间从 45 分钟降至 10 分钟，减少 78%。该系统由三人团队在六个月内交付，手动生命周期步骤从 10 步以上压缩为 1 次交互，冗余告警中位数减少 65%，SRE 与数据团队间的 15 分钟报告延迟降为实时。
AWS Machine Learning BlogAI 评分2222 AWS 发布六周 AI 构建者培养手册：如何弥合 AI 认知与动手能力差距
AWS 提出一套六周结构化培养方案，让非工程背景的业务人员用 Amazon Bedrock AgentCore、Strands Agents SDK 等工具构建可扩展的 AI 原型。
AWS Machine Learning BlogAI 评分3434 如何用 AWS Lambda Durable Functions 自动执行 AWS DevOps Agent 调查后的修复
AWS 展示了一套自动化修复工作流，用 Amazon EventBridge 接收 AWS DevOps Agent 的调查完成事件，再由 AWS Lambda Durable Functions 调用 Amazon Bedrock 分析根因并从预批准的 Lambda 工具白名单中选择修复动作。
AWS Machine Learning BlogAI 评分2222 Qlik 如何用 Amazon Bedrock 构建企业级可信 AI
Qlik 基于 Amazon Bedrock 打造 Qlik Answers，让员工用自然语言提问并获得带来源的可信回答，自 2026 年 2 月正式可用以来，其 Discovery Agent 已为客户发现超过 10 万个异常与离群点。
AWS Machine Learning BlogAI 评分3636 超越节省工时：如何为智能体自动化构建商业论证
AWS 提出"Agentic Value Model"，用于替代 RPA 时代按"节省工时×人力成本−建设成本"计算 ROI 的旧模型，从时间节省、异常处理、决策质量、变更韧性与维护经济性四个维度衡量智能体自动化的价值。该框架强调释放的工时只有转化为减支或可衡量的再部署产出才算价值，并以理赔分流流程为例说明修正成本、错误率等此前被忽略的收益池。
AWS Machine Learning BlogAI 评分4242 在 AgentCore 与 OpenClaw 上构建上下文感知 AI 助手
基于开源智能体系统 OpenClaw 与 Amazon Bedrock AgentCore runtime，可搭建具备长期记忆的个人 AI 助手，用 AgentCore memory 把一次性对话转为持久知识，并支持结构化元数据检索。
AWS Machine Learning BlogAI 评分2828 用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行礼宾服务
基于 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 与 Bedrock Knowledge Bases，可在航空公司应用中搭建语音旅行礼宾：旅客通过语音查询行程、改座位、更新餐食偏好、咨询政策，并可转接人工客服。
AWS Machine Learning BlogAI 评分2222 在 SageMaker Studio 中直接管理 Amazon SageMaker HyperPod Spaces
Amazon SageMaker 推出新功能，数据科学家和 ML 工程师可直接在 SageMaker Studio UI 中创建、配置、启停和打开 HyperPod EKS 集群上的 Spaces，无需使用 CLI 或 kubectl。
AWS Machine Learning BlogAI 评分2222 Amazon SageMaker HyperPod 管理与治理最佳实践
AWS 介绍如何通过 SageMaker Unified Studio 管理 SageMaker HyperPod 集群，在让 ML 团队从项目工作区启动负载的同时保留底层治理控制。
NVIDIA BlogAI 评分2222 电信运营商为何将 AI 战略押注在开放模型上
NVIDIA《State of AI in Telecommunications》报告显示，89% 受访者认为开源模型与软件对公司 AI 战略重要。NVIDIA 发布 300 亿参数的 Nemotron 3 Large Telco Model（LTM），由 AdaptKey 基于开源电信数据集微调，并开放端到端微调配方，配合 NeMo 库供运营商用自有数据定制。
AWS Machine Learning Blog精选AI 评分6262 GLM 5.3 上线 Amazon Bedrock
智谱（Z.ai）的 GLM 5.3 已在 Amazon Bedrock 上线，这是一个 753B 参数的 MoE 模型，面向编码与长时程智能体任务，可通过全托管 API 调用。
推荐理由：GLM 5.3 在 Bedrock 上的托管接入与提示词缓存用法，可帮助读者判断长时程编码与安全测试工作流的落地成本。
AWS Machine Learning BlogAI 评分3636 在 AWS GovCloud 中用 Claude Code 与 Amazon Bedrock 运行受监管工作负载
Anthropic 的 Claude Opus 5.5、Claude Sonnet 5.5 与 Claude Sonnet 5 已在 AWS GovCloud (US) 区域的 Amazon Bedrock 上线，为 ITAR 等受监管工作负载提供 AI 辅助开发通道。
AWS Machine Learning BlogAI 评分3636 Amazon SageMaker AI 推出 aws-ai-ml 技能，为 Kiro、Claude Code、Codex 等编码智能体提供生成式 AI 推理优化能力
Amazon SageMaker AI 通过 Agent Toolkit for AWS 推出 aws-ai-ml 技能，让 Kiro、Claude Code、Codex 等支持 MCP 的编码智能体获得推理优化与基准测试能力，可对端点做基准测试、推荐部署配置、对比性能并生成可执行的 SageMaker Python SDK v3 代码。
AWS Machine Learning BlogAI 评分3232 Amazon Quick 如何用 MCP Server 实现跨账户资源自动化迁移
Amazon Quick 的 Quick Resource Migrator 是一个托管在 Amazon Bedrock AgentCore 上的 MCP server，可通过单次工具调用将 chat agents、action connectors、知识库、flows 和 spaces 从开发账户迁移到生产账户。
AWS Machine Learning BlogAI 评分3838 用 LangChain 和 Amazon Bedrock Knowledge Bases 实现智能体检索
Amazon Bedrock Managed Knowledge Base 上线智能体检索，通过 AgenticRetrieveStream API 把多部分问题拆成子查询、判断证据是否充分并决定是否再次检索，而 Retrieve API 只做一次混合搜索。
AWS Machine Learning BlogAI 评分1212 如何在 Amazon Quick 中降级用户角色
Amazon Quick 控制台不支持将用户从 Admin 或 Author 直接降级为 Reader，update-user API 也会以“You cannot downgrade a user role”报错拒绝。
AWS Machine Learning BlogAI 评分3434 用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性与有用性
Amazon Bedrock AgentCore Evaluations 支持内置与自定义评估器，可衡量多智能体系统的准确性、任务成功率和行为表现，并将可解释性作为一等评估维度。
AWS Machine Learning BlogAI 评分3838 用 Amazon Quick 和 Adjudicated Query 模式批量核查数千份租约合规性
AWS 提出 Adjudicated Query 设计模式，让业务用户在 Amazon Quick 聊天界面提问合规问题，实际判定交由确定性规则引擎完成，模型只负责把自然语言转为固定类型化操作调用并复述结果。
Google Research精选AI 评分6262 Google 发布基于 TEE 的新一代联邦学习系统
Google Research 公布新一代联邦学习系统，用可信执行环境（TEE）为数据匿名化提供可远程验证和审计的保证，并已由 Gboard 采用。系统通过访问策略公开透明日志、KMS 密钥管理与可复现构建，使加密训练数据只能在符合策略的 TEE 内解密处理。Gboard 已用该系统上线英语和日语下一词预测模型，训练时间从此前的 1-2 个月缩短，目前主要受 TEE 资源限制。
推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，并给出 Gboard 已上线的落地情况，可了解隐私可验证训练的实现路径。
NVIDIA Blog精选AI 评分6262 NVIDIA DGX Spark 推出 64GB 版本，双机可集群扩展至 128GB
NVIDIA 将于本月通过 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 推出 64GB 统一内存版 DGX Spark，10 月 23 日开售，起售价 4,999 美元，保留 GB10 Grace Blackwell 超级芯片、DGX OS 与完整 NVIDIA AI 软件栈，支持最高 1000 亿参数模型在本地运行。
推荐理由：原文给出 64GB 新配置的价格、上市时间与双机集群实测数据，可据此判断本地跑大模型的成本与扩展方式。
Hugging Face BlogAI 评分3838 ServiceNow CoreAI 推出 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例与更强教师的成功示范，定位能力缺口并生成、验证新的可执行训练任务，随模型提升动态调整课程。该流程在 EnterpriseOps Gym 数据集上进行了演示，生成的任务需满足可行性、真实性与难度三项要求，并通过一致性、可靠性与完备性的验证器筛选后用于后训练。
OpenAI NewsAI 评分2222 Chatham Financial 用 OpenAI Codex 与 GPT-5.6 将交易验证从 30 分钟压缩至 4 分钟内
Chatham Financial 借助 OpenAI 的 Codex 和 GPT-5.6 构建技术并重构工作流，将交易验证时间从 30 分钟缩短到 4 分钟以内。该公司借此扩展其资本市场领域的专业能力。
NVIDIA Blog精选AI 评分7676 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
OpenAI 的 GPT-6 Astra Ultrafast 已在 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户中开放，运行在 NVIDIA Blackwell GPU 上，token 生成速度最高比 Astra Standard 模式快 8 倍。
推荐理由：原文给出 Ultrafast 模式相对标准模式的加速倍数与开放入口，读者可据此判断它对编码智能体循环的实际影响。
NVIDIA BlogAI 评分2222 NVIDIA AI 工厂如何最大化投资回报：高产出、长寿命、通用性
NVIDIA 提出 AI 工厂回报由三要素决定：每兆瓦产出能力、硬件使用寿命和 token 需求。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐量超 GB300 NVL72 的 30 倍，在 DeepSeek V4 Pro 上每百万 token 成本低至 45 分之一。
Microsoft ResearchAI 评分3636 微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站
微软研究院开发了一套端到端机器学习流水线，利用 L1 太阳风观测、AE 与 Dst 指数预报及地质电导率数据，为美国本土 66,935 座变电站生成 30-60 分钟前的局地空间天气风险估计。
NVIDIA Blog精选AI 评分6060 NVIDIA 与 CoreWeave 将 Vera Rubin NVL72 和 Forge 平台投入生产
CoreWeave 宣布在 CoreWeave Cloud 上线 NVIDIA Vera Rubin NVL72 系统与 Spectrum-X 102.4T 以太网，Cognition 成为首个在生产环境运行该系统的客户，其早期测试显示 SWE-2 推理的 token 吞吐量相比 GB200 NVL72 最高提升 4.8 倍。
推荐理由：CoreWeave 上线 Vera Rubin NVL72 与 Forge 平台，读者可了解智能体训练到推理闭环的落地方式。
Mistral AIAI 评分4040 Mistral 在慕尼黑开设德国中心，推进工业 AI 与 Physics AI
Mistral 在慕尼黑开设德国中心，组建专注 Physics AI 与工业 AI 的研究团队，并计划到 2030 年建成 1 吉瓦欧洲算力。该中心将与 BMW 合作碰撞仿真与工程 AI、与 Siemens Energy 合作工业 AI 应用，并与慕尼黑工业大学（TUM）合作利用风洞设施开发汽车空气动力学数字孪生。
Hugging Face Blog精选AI 评分7171 H 公司发布 Holo4 系列智能体模型，含 27B 稠密与 35B-A3B MoE 两个版本
H 公司发布 Holo4 系列智能体模型，包含 27B 稠密版和 35B-A3B MoE 版，两者均已在 H Models API 上线，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 格式开源在 Hugging Face。
推荐理由：Holo4 同时覆盖 GUI、代码、MCP 与 API 四种接口，并公开全部评测轨迹，读者可据此判断通用计算机智能体的成本与能力边界。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 为什么说聊天框是错的 UI：用 canvas 替代 chat
GitHub 认为 chat 并非与 LLM 交互的最佳界面，其 GitHub Copilot app 推出 canvas——一种运行在应用内、无浏览器外壳的全栈小应用，可与 Copilot agent 双向通信，也能调用第三方 API 并在本地执行代码。
GitHub Blog · AI & MLAI 评分2222 GitHub Copilot 应用如何渲染超大 pull request
GitHub Copilot 应用重建了 pull request 视图，用一个含 2,200 个文件、超百万行改动和 400 多条行内评论的开源 PR 做压力测试。它把文档高度拆成确定性的代码几何与动态块几何两部分，评论高度按需测量并锚定到文件、行和侧，避免滚动跳变。
Microsoft Research精选AI 评分6262 微软研究院：将物理 AI 推理卸载到边缘或云端可提升机器人性能与续航
微软研究院对移动操作机器人工作负载做了系统性测量，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU 可提升任务表现。
推荐理由：微软研究院系统测量了机器人端侧 GPU 推理的性能与续航代价，并给出可复用的卸载工具链，为物理 AI 推理架构提供实测依据。
Google DeepMind精选AI 评分6262 Google 为 Private AI Compute 引入安全的服务端持久记忆
Google Private AI Compute 团队公布为 Private AI Compute 平台加入私有服务端记忆的技术方案，让 AI 助手在跨设备场景下保留上下文，同时维持端侧级别的隐私标准。
推荐理由：Google 给出私有 AI 计算加入持久化服务端记忆的架构思路，读者可了解云端记忆与端侧隐私如何折中。
GitHub Blog · AI & ML精选AI 评分8080 GitHub Copilot 用 Copilot 把运行时迁移到 Rust
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust，AI 智能体写了大部分代码，分布在 128 个 PR 中增量合入 main，而非一次性切换。
推荐理由：作者以亲历者身份给出把 80 万行运行时迁到 Rust 的完整工程细节，可迁移到大规模 Agent 协作开发。
Mistral AIAI 评分3636 Mistral 与 Cloudera 达成合作，将主权 AI 引入企业数据平台
Mistral 与 Cloudera 建立合作，将 Mistral 模型集成进 Cloudera 混合数据平台，企业可在私有云、公有云、本地及完全气隙环境中部署推理并保持完全控制。企业还能在受控环境中用专有数据训练自有模型，保留数据与模型所有权。Cloudera 平台承载 30 exabytes 客户管理数据，双方瞄准金融、制造、电信等受监管行业的主权 AI 需求。
Mistral AIAI 评分5757 Mistral 用 AI 智能体迁移 4 万行 Fortran 77 遗留代码
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 的油藏模拟器迁移到 C++，该代码库没有测试套件也没有集中文档。团队先搭建数值对齐测试框架，用自定义解析器生成调用树并让上百个智能体逐节点补文档，再以规划、实现、测试、审查的智能体工作流逐模块迁移，由人工在 PR 环节把关。