Google Research 利用可穿戴设备开展 CKM 风险评估与个性化健康指导
Google Research 提出利用消费级可穿戴设备开展 CKM 个性化健康指导的研究框架,以静息心率、步数、睡眠和心肺活动构建可调整的健康年龄。
Google Research 提出利用消费级可穿戴设备开展 CKM 个性化健康指导的研究框架,以静息心率、步数、睡眠和心肺活动构建可调整的健康年龄。
AWS 介绍其生成式 AI Innovation Center 发布的23项开源可复用资产,并讲解如何选取、部署和验证 Contact Center GenAI Agent。这些资产覆盖 RAG、文档处理和智能体脚手架等能力,完整部署流程可在1小时内完成,并可节省约4–6周开发时间。
推荐理由:文章提供23项开源资产的选型、部署与清理步骤,并结合客户案例说明可复用组件如何缩短交付周期。
JioStar 首席架构师 Vijay Seshadri 分享了 AI 在 500M-user 规模下实现发现能力的方法与经验。他重点探讨 evals、guardrails,以及如何将 AI 投入生产环境。
AWS 开源 Universal Agent Evaluation Framework(UAEF),通过适配器统一不同框架的执行轨迹,并用 36 项内置指标从 7 个维度评估 AI 智能体。
推荐理由:文章给出统一适配、指标选择、数据集准备与实验对比流程,便于跨框架建立可复用的智能体评估闭环。
AWS Quick 通过六个人工审批型 AI 智能体,将产品开发的发现、决策、设计和原型四个阶段串联起来。团队可从 AI-PDLC GitHub 仓库获取智能体指令、参考架构、提示词模板和配置指南,并在 Deep Discovery 与 Fast Track 两种模式间选择。
推荐理由:文章提供六智能体配置步骤与完整流程,可用于理解如何把企业数据、产品决策和人工审批串成可追溯的开发流程。
Google DeepMind 发布 AlphaGenome 2,用于预测 DNA 序列及其变异对特定人类细胞类型的影响。模型基于超过 1.07 亿个细胞谱和 68 种组织训练,在 TenK10K 数据集上识别的因果变异比例为 30%,高于原始模型的 16%,并可预测未见过的细胞状态。AlphaGenome 2 已通过 AlphaGenome API 面向非商业研究开放,商业研究处于私有预览阶段。
推荐理由:AlphaGenome 2 将 DNA 变异预测细化到具体细胞类型,并提供跨模态补全能力,读者可据此评估其对单细胞遗传研究的应用价值。
Amazon SageMaker AI 宣布为双向流式推理引入按用量计费,模型提供商可在实时会话中报告实际使用量,并按 AWS Marketplace 约定收取软件费用。
Sentence Transformers 可通过 pooling-aware training 训练模型在 token 向量合并后保留检索信息,文章给出从层级聚类、损失包装到训练和评估的完整示例。
Singapore Airlines 使用 OpenAI 模型和 API 提升客服支持、旅行发现与员工生产力,其 Kris 聊天机器人的 CSAT 实现翻倍。相关技术覆盖旅客服务与企业工作场景,展示了 OpenAI 技术在实际运营中的应用。
Cogent 与 OpenAI 合作构建面向企业的网络防御工厂,将 OpenAI 模型、企业上下文与 AI 智能体结合,用于自动修复漏洞。方案通过引入企业特定信息,帮助智能体识别并处理安全风险。
超过 20,000 名退役军人和转业军人已领取 ChatGPT Plus 一年的免费使用资格。他们利用 ChatGPT Plus 为转入民用职业做准备。
Tether AI Research 发布 BotPsy,一款基于 Qwen3.5-0.8B、具备 0.8B 参数的端侧智能体模型,面向函数调用和智能体工作流。模型在测试的六项工具使用与智能体基准中领先五项,并计划以 Apache 2.0 许可开放权重,提供 bf16、Q8 和 Q4 版本,但不适用于安全关键或高风险决策。
推荐理由:文章给出模型训练方法、端侧部署形式与多项基准对比,适合评估小型智能体在工具调用和本地运行中的取舍。
NVIDIA 展示 AI 与机器人如何帮助回收商从旧衣物、塑料瓶和混合回收物中识别并分拣可利用材料,延长产品与材料的使用周期。AIRECO 试点线识别准确率超过 95%,计划将年处理量从 18,000 吨增至 48,000 吨并降低 85% 运营成本;Greyparrot Analyzer 则将检查 15 吨废弃物的时间由 375 小时缩至 6 小时。
Moonshot AI 的 Kimi K3.1 Pro Highspeed 已上线 Amazon Bedrock,配备 1-million-token 上下文窗口,Moonshot AI 称其输出速度为 Kimi K3.1 Pro 的 2–3 倍。
推荐理由:提供了模型接入、推理档位、提示词缓存和 OpenCode 接入示例,并给出 Flex 成本与区域路由取舍。
Gilbert + Tobin 合伙人兼首席执行官 Sam Nickless 参与对话,探讨 AI 对法律业务的重新塑造。文章以访谈形式展开,围绕 Gilbert + Tobin 在 AI 时代的法律业务发展展开交流。
AWS 教程演示如何使用 LangGraph 和 Amazon Bedrock AgentCore Web Search 构建每日依赖监测,并部署到 AgentCore runtime 或通过 AgentCore Gateway 提供服务。
推荐理由:教程展示了如何把固定搜索规则、来源校验与去重机制放在代码中,并部署为每日运行的依赖监测智能体。
Amazon Bedrock AgentCore 提供内置评估器,并支持直接使用 DeepEval、AutoEval 与自定义评估器来检验智能体表现。指南建议先定义业务成功标准,再拆解为可观察行为,并映射到 trace 级或 session 级评估器。AgentCore 支持按需、在线和批量评估三种模式,还可用多维评估器分别衡量相互独立的标准。
推荐理由:文章给出了从业务结果映射评估器、选择指标到配置运行模式的完整流程,便于搭建可落地的智能体评估方案。
OpenAI 在 ChatGPT 中推出 Businesses 功能,帮助用户管理业务信息、了解业务在 ChatGPT 中的呈现方式,并将兴趣转化为行动。
Trovata 在 Amazon Bedrock 与 Amazon Bedrock AgentCore 上构建了自主资金管理智能体,将现金预测、异常检测、自动对账和持续报告嵌入资金管理操作系统。
AWS 介绍了一套用于集中观测 Amazon Bedrock 模型调用的数据湖方案,并通过 AWS CloudFormation、Lambda、Data Firehose、S3 和 Athena 完成部署。
推荐理由:文章提供集中化数据湖架构、部署步骤和查询样例,可用于搭建跨账号的调用观测与成本归因流程。
TCS 基于 Amazon Bedrock AgentCore 构建了智能体测试编排器,将业务需求转换为可执行、可治理的 API 与 UI 测试。平台利用专用智能体、上下文检索和 LangGraph 工作流完成测试生成、执行、纠错与报告,并通过租户级身份、数据和密钥隔离支持金融服务场景。
推荐理由:文章拆解了TCS多租户测试编排器的架构、智能体分工与安全边界,并提供可量化的效率对比。
NVIDIA 将 OpenShell 贡献给 CNCF,并推出 NVIDIA DSX AI Factory Platform 的三个新组件。OpenShell 用于确定性地控制和治理自主智能体,Agent Substrate 则面向 Kubernetes 上长时间运行的智能体工作负载,NVIDIA 将确保其兼容 NVIDIA Dynamo 与 KAI Scheduler。
推荐理由:OpenShell 的社区治理与 DSX 新组件共同覆盖智能体安全、集群管理和推理扩缩容,为 AI 基础设施整合提供了具体路径。
Google DeepMind 发布 Gemini Robotics 2.5 视觉语言动作模型,以扩大机器人的技能范围并加快技能习速度。该模型在 200 多项任务中相较此前基线实现 30% 至 100% 的成功率提升,任务完成速度提高 20% 至 30%。
推荐理由:模型覆盖200项任务,并在汽车工厂试点中验证了灵巧度、可靠性与安全能力,可为机器人模型评测和落地提供参考。
OpenAI 与 Upwork 的新研究发现,AI 正在改变自由职业工作的需求结构,并催生新的技能组合。研究同时指出,AI 相关项目获得更大的预算和更多工时,显示相关需求正在扩大。
Google DeepMind 使用 AlphaProof Code 引导 AI 智能体,对 Signal 密码协议实际运行代码的关键安全属性进行形式化证明。由 Gemini Carbon 驱动的智能体生成了超过 600 万行 Lean 证明,供专家复核的代码范围仅占 1%,整个验证过程耗时 4 周,相关形式化验证工件也已开源。
推荐理由:文章详述多智能体形式化验证框架如何将密码协议安全目标转化为 Lean 证明,并给出人工复核比例与周期等验证细节。
OpenAI Academy 正通过免费、实践导向的 ChatGPT 工作坊,帮助美国五座城市的照护者将 AI 技能用于日常生活。工作坊以动手操作为重点,旨在提升照护者在日常场景中的实际 AI 应用能力。
Google DeepMind 发布 SatWeave 和 PARDIG 两个基础数据集,并开放历史存档与实时数据流,供研究者和开发者构建天气、水文和气候应用。
推荐理由:两个数据集开放了实时数据流与跨越十余年的历史存档,研究者可在洪水、干旱和太阳能预测等方向复用同一套全球观测基础。
OpenAI 通过 ThinkYoung 新研究及 EMEA 教育合作经验,聚焦缩小教育领域的 AI 指导差距。相关经验围绕支持教师、提升 AI 素养与促进独立学习展开。
AWS Quick 通过智能体加载适用技能、调用连接器并依据已连接数据执行自然语言任务。文章讲解了内置与自定义智能体、空间、知识库和连接器的配置方式,并演示如何创建、测试、发布和共享技能。团队共享技能时还需处理访问权限、依赖环境与失败场景,文章同时介绍了适用软件工程实践的 Skill Architect 技能。
推荐理由:文章系统梳理了 AWS Quick 中智能体、技能、数据与连接器的协作机制,并给出构建和共享团队技能的方法。
Hugging Face 介绍决策模型如何以状态、问题和预定义答案为输入,直接返回结构化决策及概率,而不生成响应文本。其基础接口包含 Choice、Score 和 Noul 三种决策原语,并提供置信度计算方式。
推荐理由:文章系统梳理决策模型的接口与概率计算方式,并展示其在 Transformers、llama.cpp 和 Hub 中的接入方式。
Hugging Face 现支持将组织与 Google Cloud 账户关联,让 Hub 用量计入现有 Google Cloud 账单。Google Cloud Marketplace 订阅覆盖 Team 和 Enterprise 套餐、Jobs 等按量算力及额外存储,并沿用既有采购流程。
OpenAI 介绍 Control Room,这是一套集中追踪其研究基础设施中模型工作负载的系统。当出现安全性或安全方面的顾虑时,该系统能够迅速停止相关模型工作负载,帮助研究人员管控模型运行。
CodeRabbit 使用 OpenAI 模型治理并信任 AI 生成代码,并借助 Codex 在工程团队规模不变的情况下交付 20 倍更多软件。这套工作流将 OpenAI 模型与 Codex 用于代码管控,以扩大智能体软件开发的产出。
OpenAI 发布 Control Room,用于集中追踪研究基础设施中的模型工作负载。当出现安全或安全防护方面的隐患时,Control Room 可快速停止相关工作负载。
Google Research 推出 Language Explorer 交互式网页平台,通过可视化和数据探索世界各地的语言多样性。该平台基于开源 LinguaMeta 数据集,汇集数千种语言的信息,并于 11 月 6 日开放配套线上展览。
推荐理由:Language Explorer 汇集数千种语言数据并提供可视化探索,为研究、教育及理解语言多样性提供具体入口。
NVIDIA Nemotron 3.5 Super VL 现已上线 Amazon SageMaker JumpStart,可通过 SageMaker Studio 或 SageMaker Python SDK 部署。
推荐理由:文章给出两种权重的部署方式、实例配置、性能数据及图像和视频推理示例,便于评估该模型在文档与多模态智能体任务中的落地成本。
AWS 宣布 Claude Fable 5.2 与 Claude Mythos 5.2 登陆 Amazon Bedrock 和 Claude Platform on AWS。
推荐理由:文章提供了模型能力、适用场景、数据治理要求及迁移方法,可帮助开发者评估接入方式并完成代码适配。
Amazon Bedrock Managed Knowledge Base 的 AgenticRetrieveStream 新增单次 RAG 与仅检索请求支持。maxAgentIteration 范围扩展至 0–5,设为 1 可执行一次检索和一次回答,设为 0 可在不调用基础模型的情况下返回原文段落,设为 2–5 则执行智能体规划与多轮检索。应用可按请求选择模式,并使用多个知识库、引用和检索轨迹。
推荐理由:文章说明如何用同一 API 按问题复杂度选择检索模式,并提供参数配置与银行政策助手示例。
CrossnoKaye 介绍其如何利用 Amazon Bedrock AgentCore,让 AURA 在统一工厂模型内查询运行状态、执行隔离 Python 计算并生成可追溯的技术 Brief。ATLAS 与 AURA 将设备拓扑、控制逻辑、传感器和优化状态放在同一平台边界内,并通过只读沙箱、人工审批和边缘确定性控制约束工业安全。
AWS 介绍了一套由七层组成的 Pluggable Agentic AI Framework,用于将多智能体应用从原型推进到生产规模。架构覆盖数据与知识、模型与推理、编排、安全护栏、应用、可观测性和智能体运维,并以零售客服场景演示主管智能体委派订单与退款专员智能体的实现流程。文中还提供 Workshop Studio 体验和公开示例仓库,但明确指出该实现不能替代生产环境所需的安全加固、测试与审查。
推荐理由:这套架构把安全、治理、成本、可观测性和持续评测纳入分层设计,并提供零售客服案例,可作为企业智能体生产化的落地参考。