跳到正文
AI 资讯
11月5日周四
  1. Google Research60

    Google Research 提出 Agile Deliberation 框架定义主观 AI 分类边界

    Google Research 提出 Agile Deliberation 框架,通过概念范围界定和边界迭代帮助用户逐步澄清主观分类标准。框架利用视觉语言模型主动发现语义边缘样本,并将用户反馈接入自动提示词优化循环。

    推荐理由:框架将主观分类标准的定义过程转化为人机协作,并结合真实用户实验说明其在边界识别和交互负担上的改善。

  2. AWS Machine Learning Blog65

    U Mobile 如何用 Amazon Bedrock AgentCore 构建智能体电信运营平台

    U Mobile 与 AWS 及 Axrail 基于 Amazon Bedrock AgentCore 构建 AiDaH,用于跨系统诊断和修复电信运营问题。平台采用六层架构与分层路由,由 8 个专业智能体覆盖 150 多个已记录运营场景;内部测量显示,2026 年 1 月至 9 月开通和网络工单下降 84.5%,一般咨询下降 81.6%,计费工单下降 48.7%。

    推荐理由:本文拆解 AiDaH 的六层架构、成本路由、安全基础和规格驱动开发方法,并提供电信运营智能体的落地参考。

  3. AWS Machine Learning Blog34

    Indegene 如何在 AWS 上推进生命科学企业数据质量现代化与规模化

    Indegene 展示了如何在 AWS 上构建并扩展 NEXT Unified Data Platform 的 Data Quality Agent,以提升生命科学企业数据质量。该 LLM 驱动智能体生成并验证上下文感知规则,输出可直接运行的 SQL 与 Python 代码,纳入集中式 human-in-the-loop 治理,帮助减少数据质量项目的建设和维护工作。

  4. AWS Machine Learning Blog81

    Deep Insight 演示生产级 AI 智能体的四层上下文工程

    AWS 解决方案架构师团队以开源多智能体数据分析方案 Deep Insight 为参考实现,讲解生产级 AI 智能体的四层上下文工程方法。文章介绍多智能体架构隔离、输出 token 预算与自包含代码、文件化上下文与按需加载技能,以及独立验证智能体和安全机制。参考实现中,单次写入并执行工具可减少脚本加入上下文的 token 约 95%,按需加载技能可减少系统提示词约 97%。

    推荐理由:文章以 Deep Insight 代码演示四层上下文工程,涵盖多智能体隔离、提示词控制、文件系统外部化和验证机制,便于迁移到生产级智能体开发。

  5. AWS Machine Learning Blog73

    AWS Quick 智能审批如何兼顾 AI 智能体效率与人工监督

    AWS Quick 的 Smart Approvals 会结合用户请求和有限对话上下文审核符合条件的操作,并自动批准或交回用户确认。该功能不会扩大既有权限,强制人工审批和策略拒绝仍然有效,敏感数据等高影响操作应通过连接器操作权限保留人工把关。

    推荐理由:文章拆解了智能体审批机制、权限边界与审计路径,为设计人机协同审批和开展试点提供了可操作的方法。

11月4日周三
  1. AWS Machine Learning Blog47

    基于 AWS 与 Cartesia 构建超低延迟语音 AI 应用

    Cartesia 借助专用 State Space Models(SSMs)和 AWS 基础设施,构建支持全球规模运行的超低延迟语音 AI 应用。Sonic 文本转语音模型首个音频字节约 90ms,支持超过 44 种语言,并可用 10-second 音频样本克隆声音;Ink 语音转文本模型支持流式转录、原生轮次检测和多说话人处理。

  2. AWS Machine Learning Blog45

    Gen Digital 如何使用 Amazon Bedrock AgentCore Web Search 构建 Norton Revamp 的 AI 策展新闻引擎

    Gen Digital 使用 Amazon Bedrock AgentCore Web Search 构建 Norton Revamp 的 AI 策展新闻引擎,以实时、带引用的网页信息支撑个性化资讯流、内容建议和目标推荐。该完全托管能力通过 AgentCore Gateway 以 MCP 合规连接器提供,返回来源 URL、标题和发布日期,并完全在 AWS 环境中运行。

  3. AWS Machine Learning Blog62

    AWS 教程:在 Bedrock AgentCore Gateway 中实现 ServiceNow OBO token 交换

    AWS 教程演示如何为 Amazon Bedrock AgentCore Gateway 配置 Microsoft Entra ID OBO token 交换,使 AI 智能体调用 ServiceNow REST API 时保留用户身份并应用对应权限。

    推荐理由:教程完整拆解了跨 Microsoft Entra ID 与 ServiceNow 的 OBO 配置,并给出网关目标、权限映射和代码示例。

  4. AWS Machine Learning Blog41

    Amazon Quick 整合结构化与非结构化数据

    Amazon Quick 通过 enriched datasets 和基于 Amazon S3 的知识库,将结构化与非结构化数据汇入同一 Space,并由单个对话式 AI 智能体统一查询。用户可在一次对话中跨两类数据提问,智能体会按需查询知识库、数据集或两者,并返回带引用且受用户权限约束的整合结果。

  5. NVIDIA Blog41

    NVIDIA 如何用 AI 加速半导体晶圆厂的仿真、预测与数字孪生

    NVIDIA 正与半导体企业利用 cuDSS、PhysicsNeMo、cuLitho、Omniverse 和 NeMo Switchyard,加速仿真、过程预测、AI 智能体与晶圆厂数字孪生。Applied Materials 的 ACE+ 地形仿真最高提速 35x,PhysicsNeMo 可将等离子体预测从数天缩至毫秒级,NeMo Switchyard 将模型选择响应从数小时降至数分钟。

11月3日周二
  1. NVIDIA Blog47

    全球城市借助 NVIDIA 物理 AI 与智能体 AI 构建并扩展服务

    NVIDIA正与合作伙伴在全球城市扩展物理 AI 和智能体 AI,通过共享基础设施、本地模型和托管服务构建公共服务与关键基础设施能力。西班牙 1MillionBot 将 ALIA、Nemotron 等模型用于 150+ 个部署;马来西亚 SamurAI V2 计划在 2027 年扩展至 17,000+ 路摄像头,并通过信号配时测试将高峰走廊通行时间最多降低 26%。

  2. AWS Machine Learning Blog75

    在Amazon SageMaker AI上用知识蒸馏构建高效智能体

    AWS教程演示如何使用序列级知识蒸馏(SeqKD),在Amazon SageMaker AI上训练低成本购物智能体。流程包括由Amazon Bedrock上的GLM-5.3生成并筛选 ShoppingBench轨迹,再以LoRA微调Qwen3.5-4B、评测并部署。蒸馏模型的平均ASR从基础模型的0.297提升至0.541,接近GLM-5.3贪心解码的0.540;仅保留工具调用时降至0.415。

    推荐理由:完整展示SeqKD智能体的轨迹生成、过滤、训练、评测与部署链路,并量化推理保留和专项微调的效果差异。

11月2日周一
10月31日周六
  1. AWS Machine Learning Blog67

    MoEngage 如何用 AgentCore Gateway 将 400 多个 API 转换为智能体工具

    MoEngage 使用 Amazon Bedrock AgentCore Gateway,将约 400 个私有 REST API 操作转换为权限隔离的 MCP 智能体工具。该方案覆盖 7 个 AWS Regions,并通过 Cedar 策略、服务端身份注入和语义搜索控制工具可见范围,新 API 接入从数天缩短至数小时,预计节省约 6 个月平台工程投入。

    推荐理由:MoEngage 公开了以中心化网关、权限策略和语义搜索管理大规模智能体工具的架构,便于读者参考私有 API 接入方案。

  2. AWS Machine Learning Blog58

    AWS 详解 Amazon Bedrock 成本管理五阶段实践指南

    AWS 给出面向 FinOps 与平台团队的五阶段 Amazon Bedrock 成本管理方法,将支出治理拆为归因、观测、执行、优化和运营闭环。方法涵盖基于 IAM 身份与 CUR 2.0 的成本归因、调用日志与请求元数据、三档预算执行机制、模型路由和提示词缓存,以及按周或双周复盘的健康记分卡。

  3. AWS Machine Learning Blog72

    使用 Amazon Bedrock AgentCore runtime 实时预览编码智能体生成的应用

    Amazon Bedrock AgentCore runtime 教程演示了如何通过 Session endpoints 和本地端点,在浏览器中实时查看编码智能体持续修改的 Vite 网站。

    推荐理由:文章通过可运行的 Vite 示例,拆解如何配置端口、认证和本地代理,让编码智能体生成的应用在浏览器中实时预览。

10月30日周五
  1. Google DeepMind53

    Google DeepMind 将 PlanAssist 试点扩展至 15 个英格兰规划机构

    Google DeepMind 将 PlanAssist 扩展至英格兰另外 12 个地方规划机构,启动为期 12 个月的 Beta 阶段,参与机构总数增至 15 个。该工具基于 Gemini,自动核验文件、规划约束和历史异议,并起草带引用的评估报告。早期试点中,官员平均评估耗时最多减少 58%,超过 70% 的报告无需修改即可获批,最终决定仍由规划人员作出。

  2. Microsoft Research45

    Microsoft Copilot 如何用合成企业数据建立真实场景评估基线

    Microsoft 构建 Industry Evaluation Data Generation Platform,以合成企业环境评估 Microsoft Copilot 在真实业务场景中的表现。该平台结合 O*NET、在线职位信息和 SEC 文件生成完全合成的测试环境,并通过自动化查询管线和质量框架建立首个标准化评估基线;内容安全检查用于排除有害及个人可识别信息。

  3. NVIDIA Blog61

    NVIDIA Omniverse 如何利用前沿 AI 智能体构建仿真应用

    NVIDIA Omniverse 展示了开发者如何利用 GPT-6 Astra 等前沿 AI 模型构建物理仿真应用。开发者通过自然语言指导智能体生成或修改 OpenUSD 场景、连接 Omniverse 库,并验证机器人拆装、建筑重建、燃气轮机分析和传感器输出。

    推荐理由:文章通过机器人拆装、数字孪生、传感器验证和仓储仿真等项目,展示了 AI 智能体接入 Omniverse 工作流的具体方式。

10月29日周四
  1. Mistral AI82

    Mistral Large 4(Le Chonk)发布开放权重

    Mistral AI 发布 Mistral Large 4(Le Chonk)开放权重,这是一款 1-trillion-parameter 原生多模态模型,重点增强编码与防御性网络安全能力。

    推荐理由:文章汇总模型在编码、终端任务和网络安全评测中的数据,并给出推理模式与部署入口,便于比较实际能力边界。

10月28日周三
10月27日周二
  1. NVIDIA Blog62

    NVIDIA 与 C-BRAIN 用 AI 加速阿尔茨海默病研究

    C-BRAIN 与 NVIDIA 合作,利用 AI 工具和加速计算整合分散的阿尔茨海默病研究数据,帮助科学家更快开展分析与验证。该联盟采用集中式与联邦式结合的架构,已构建开源智能体科研工具 OpenScientist 和 InsightEngine,案例显示单次分析可在数分钟内完成,费用低于 $10。

    推荐理由:文章梳理暗数据、联邦架构与两项开源智能体工具如何进入阿尔茨海默病研究流程,提供了可参考的实践路径。

10月24日周六
  1. Google Research66

    Google Research 介绍基础模型在结核病筛查中的应用

    Google Research 介绍 MedGemma、MedSigLIP 和 HeAR 在结核病筛查及分诊中的研究与部署进展。Nexus AI 的胸片工具已在 6 个国家的约 40 家医疗机构使用,超过 90 名临床医生评估了 25,000 多张胸片,将出报告时间从数周缩短到 45 秒以内。

    推荐理由:文章梳理了从胸片算法、临床验证到开源模型和本地部署的完整路径,并提供医疗资源不足地区的实际应用数据。

10月23日周五