⌘ K
… 读取采集状态 同步中...
雷

全部动态

今日 5 条
10月7日周三
  1. AWS Machine Learning Blog27

    用户可直接在 SageMaker Studio 中管理 Amazon SageMaker HyperPod Spaces

    用户现可直接在 SageMaker Studio 界面中创建和管理 Amazon SageMaker HyperPod Spaces，无需使用命令行工具。该功能允许数据科学家在浏览器中启动 JupyterLab 或 Code Editor 环境，并支持在运行交互工作负载的同时执行训练任务。此更新简化了操作流程，将集群访问到开发的时间缩短至几次点击。

  4. Google Research33

    Google Earth AI 如何将行星级地理空间基础模型应用于全球公共卫生

    Google Research 引入基于 Google Earth AI 的 Population Dynamics Foundation Model（PDFM），利用自监督预训练的位置嵌入作为即插即用输入，增强现有流行病学模型。在涵盖 MMR 疫苗接种、心血管疾病、登革热、产后抑郁及霍乱的全球验证中，PDFM 嵌入在多个病种和地理场景下匹配或优于传统输入，无需任务特定微调即可弥补数据缺口。

10月6日周二
  1. Mistral AI89

    Mistral 发布 Mistral Large 4 公开预览版

    Mistral 发布 Mistral Large 4（ML4）公开预览版，这是一款 1 万亿参数、原生多模态的大语言模型，可在 Mistral Studio 通过预览 API 体验，模型权重将于本月底开源。

    推荐理由：Mistral Large 4 为万亿参数开源多模态模型，当前开放预览 API，权重月底发布，重点展示其编码、安全及企业级性能。

  2. NVIDIA Blog37

    电信运营商为何基于开放模型构建 AI 战略

    NVIDIA 最新电信行业 AI 报告显示，89% 的受访电信运营商表示开放模型对其 AI 战略至关重要。Nemotron 3 Large Telco Model 提供了 300 亿参数的开源基线，支持通过 Fine-tuning 适配网络配置等场景。AT&T 和 Indosat Ooredoo Hutchison 等运营商正利用开放模型实现本地化定制与安全部署。

  4. Google Gemini API Release Notes71

    Google 发布 Gemini Nano Banana 2.1 并弃用 Nano Banana 2

    Google 发布 Gemini Nano Banana 2.1（gemini-nano-banana-2.1），提供 1K、2K、4K 分辨率下的 1:4 至 8:1 全景宽高比支持，同时弃用 Nano Banana 2（gemini-3.1-flash-image）。新模型在保持 Flash 级速度与成本效率的基础上，显著提升了视觉质量、提示词遵循度及多轮角色一致性。

    推荐理由：Nano Banana 2.1 在保持 Flash 级速度下提升了画质与文本渲染，为图像生成工作流提供了更高效的选择。

  6. Google Research31

    Google Research 发布报告探讨 Agentic 隐私与安全中的开放及新兴问题

    Google Research 发布综合报告《Agentic 隐私与安全中的开放与新兴问题：上下文视角》，汇集了 50 多位学术与行业领导者在 CAPS 研讨会的成果。报告指出自主代理需在系统、模型、用户及生态层面建立协同防御，核心在于基于上下文完整性（Contextual Integrity）理论，通过动态策略引擎评估动作在特定社会规范下的适当性，以平衡代理能力与隐私安全。

  7. AWS Machine Learning Blog52

    Amazon Bedrock AgentCore 多智能体系统可解释性评估实践

    Amazon Bedrock AgentCore 发布了针对多智能体系统的评估框架，支持通过内置与自定义评估器量化可解释性与业务准确性。文章以虚构零售公司 AnyCompany Retail 的供应链场景为例，展示了如何用 Strands Agents SDK 和 AgentCore MCP Server 构建包含编排者与四个子智能体的系统，并通过三层评估架构验证推荐是否满足预算、库存覆盖等约束。

  8. AWS Machine Learning Blog15

    Amazon Quick 用户角色降级操作指南

    Amazon Quick 控制台和 update-user API 不支持将用户直接从 Author 角色降级至 Reader 角色。对于 Quick Identity 用户，需通过 AWS CLI 遵循特定的降级序列，例如从 Author Pro 依次降级至 Author、Restricted Reader，最终到达 Reader Pro。

  11. AWS Machine Learning Blog37

    SageMaker AI 推出 aws-ai-ml 技能，赋能编码智能体优化生成式 AI 推理

    Amazon SageMaker AI 推出 aws-ai-ml 技能，通过 AWS Agent Toolkit 为 Kiro、Claude Code 和 Codex 等支持 Model Context Protocol 的编码智能体提供推理优化与基准测试能力。该技能可让智能体生成可执行的 SageMaker Python SDK v3 代码，支持推荐部署配置、对比性能运行及生成生产环境代码。

  12. AWS Machine Learning Blog31

    Claude Code 与 Amazon Bedrock 在 AWS GovCloud 中赋能受监管工作负载

    在 AWS GovCloud (US) 中部署 Claude Opus 5.5 和 Claude Sonnet 5.5 使受监管工作负载能够使用合规的 AI 辅助开发。这些模型在 Amazon Bedrock 上支持 ITAR 和 FedRAMP Class D 合规要求，并可通过 Claude Code 在终端和 IDE 中运行。该方案结合 AI 辅助流程，可加速日常开发任务并保持合规一致性。

10月5日周一
10月4日周日
  1. Hugging Face Blog82

    Microsoft 发布 ThinkingBox 智能体可靠性基准，通过数据库状态评估模型一致性

    Microsoft 与 Hugging Face 联合推出 ThinkingBox 基准和沙箱，通过检查智能体在 507 个业务工作流中留下的数据库终端状态，而非其生成的文本来评估其表现。

    推荐理由：原文量化了状态检查与单次成功率之间的巨大落差，读者可据此建立衡量智能体可靠性的新指标。

10月3日周六
10月2日周五
  3. AWS Machine Learning Blog40

    Amazon SageMaker AI 如何使用多轮强化学习微调搜索智能体

    Amazon SageMaker AI 利用多轮强化学习（MTRL）微调了 Qwen3.6-27B 模型，使其具备可靠的多轮搜索智能体能力。该方案通过策略梯度算法优化完整轨迹，在保持小模型速度优势的同时，提升了检索质量与可靠性。用户可结合 BM25 和向量搜索工具，在服务端无服务器环境中按 token 计费运行生产级强化学习训练。

  4. Hugging Face Blog45

    Hugging Face 开源科学报告生成模型 AstaBrief 8B

    Hugging Face 开源了基于 Qwen3-8B 训练的科学报告生成模型 AstaBrief 8B，并同步发布了训练数据。该模型通过单次生成完整报告，使 Asta 平台的 Fast 模式平均生成时间从 178.5 秒缩短至 51.1 秒，速度提升约 3.5 倍。开放权重允许机构在本地基础设施上运行，以满足敏感研究数据的处理需求。

  5. GitHub Blog · AI & ML50

    AI 正在改变开发者工作，GitHub 建议强化这三项技能

    GitHub 官方博文指出 AI 正在改变开发者工作模式，核心技能正从纯代码编写转向指令 AI、评估其输出以及沟通技术权衡。文章给出三项具体建议：一是学习如何指挥 AI Agent 而非仅仅使用工具；二是不要盲目信任 AI 的首个答案，利用多模型互评提升代码质量；三是利用 AI 节省的编码时间去解决更大范围的架构与设计问题。

  7. NVIDIA Blog74

    NVIDIA DGX Spark 64GB 本地 AI 平台发布，双机集群可扩展至 128GB

    NVIDIA DGX Spark 新增 64GB 统一内存配置，本月由 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 提供，支持在本地私有运行最高 1000 亿参数模型和智能体应用。

    推荐理由：64GB 配置以更低门槛跑 100B 参数本地模型，双机互联可扩展到 128GB 内存，适合独立开发者在本地部署和扩展智能体工作流。

  8. Hugging Face Blog45

    ServiceNow CoreAI 推出 AutoSynthData：利用模型失败与教师模型生成企业智能体训练数据

    ServiceNow CoreAI 构建 AutoSynthData，将目标模型在企业环境中的失败转化为训练数据。该系统利用更强教师模型的成功路径，生成并验证新的可行任务，填补能力缺口。通过在 EnterpriseOps Gym 中循环评估与更新课程，AutoSynthData 帮助模型持续改进特定工作流表现。

  15. AWS Machine Learning Blog37

    Amazon Payments 利用 AWS 上下文多臂 Bandit 优化获客漏斗转化

    Amazon Payments 在 Amazon SageMaker AI 上部署基于 LinUCB 的多目标上下文多臂 Bandit（MAB），用于优化产品获客漏斗。七周在线 A/B 测试显示，部分客户群体的最终漏斗转化率实现高个位数百分比相对提升。方案通过线性组合各阶段 UCB 分数解决“跷跷板”问题，并公开代码库供用户使用合成数据进行测试。

  17. AWS Machine Learning Blog48

    AWS 上 Claude Platform 多环境访问配置指南

    本文提供 Claude Platform on AWS (CPonAWS) 多环境访问的完整实施步骤，涵盖 AWS 工作负载、本地开发及外部 CI/CD 场景。架构采用专用 AI Services 账户，通过跨账户 SigV4 签名处理 AWS 推理，利用工作区范围 API 密钥支持本地开发，并配置 OIDC 联邦生成短期密钥以实现外部环境的零持久化凭据接入。