⌘ K
… 读取采集状态 同步中...
雷

#Agent

今日 1 条
今天10月13日周二
10月11日周日
  1. AWS Machine Learning Blog55

    Postman 如何基于 Amazon Bedrock 为 4000 万开发者运行 Agent Mode

    Postman 展示了 Agent Mode 在生产环境中服务 4000 万开发者的架构实践，通过动态工具筛选将 170 多个工具缩小至约 15 个以降低幻觉，并针对 ClickHouse 数据引入基于 Schema 的查询能力。系统结合 Amazon Bedrock 的跨区域推理和分层 Prompt 缓存机制，平衡了吞吐量、数据驻留要求与推理成本。

10月9日周五
  3. Hugging Face Blog80

    用 ML-intern 构建定制小模型的实战指南

    作者演示了如何使用 HuggingFace 的 ML-intern 智能体在几天内构建 6 个定制小模型，总计算成本约 103 美元。文中详细分享了提示词撰写技巧，包括要求先运行基线测试和烟雾测试，以及为每个任务设置明确的预算上限。案例涵盖柑橘病识别、特定角色 LoRA、视角转换及 4 步推理模型等。

    推荐理由：作者展示了如何用 ML-intern 智能体构建垂直领域小模型，给出了具体提示词结构和成本数据，供读者复刻

  5. AWS Machine Learning Blog49

    AWS 如何利用 Amazon Bedrock AgentCore 实现 AI 智能体的按推理付费

    Amazon Bedrock AgentCore 通过集成 x402 协议，支持 AI 智能体在运行时按次为模型推理等 API 调用进行支付。其管理钱包功能在基础设施层强制执行消费限制，确保智能体即使提示词被操纵也无法超额消费。通过该服务，构建者可将整合 x402 支付支持的时间从数月缩短至数天。

10月8日周四
  2. NVIDIA Blog81

    NVIDIA 与 Microsoft 发布 RTX Spark 与 DGX Station for Windows

    在 Microsoft 于旧金山举办的 Windows AI and Surface 活动上，NVIDIA 和 Microsoft 宣布共工程化 Windows PC 上的智能体运行平台，包括新硬件 RTX Spark、操作系统级安全执行容器 MXC，以及针对企业桌面推出的 DGX Station for Windows。

    推荐理由：原文展示了Windows本地运行智能体的硬件与系统基建组合，读者可判断Windows端侧AI能力的完整落地方案。

  7. AWS Machine Learning Blog40

    Qlik 如何利用 Amazon Bedrock 构建企业级生成式 AI

    Qlik 基于 Amazon Bedrock 推出 Qlik Answers，通过分层架构解决企业数据查询无来源、难部署痛点。自 2026 年 2 月通用可用以来，其 Discovery Agent 已识别超 10 万个异常发现。架构采用 Amazon OpenSearch 进行检索，通过 Bedrock Guardrails 确保答案合规与可验证性。

  8. AWS Machine Learning Blog58

    构建智能体自动化的业务价值评估框架

    AWS 提出“Agentic Value Model”框架，用于评估智能体自动化在时间节省、异常处理、决策质量及变更韧性四个维度的价值。文章指出传统基于 RPA 的 ROI 模型无法捕捉智能体带来的额外收益，并建议引入价值实现系数以避免高估效益。通过 Kitsa、dLocal 和 Genpact 的部署案例，展示了如何在不同业务场景中量化这些价值，为领导层提供可执行的优先级排序和财务论证方法。

10月7日周三
  2. AWS Machine Learning Blog28

    AWS 发布 AI 构建者手册：弥合知识与应用差距的六周培训方案

    AWS 推出针对非工程背景业务人员的六周结构化 AI 构建计划，旨在弥合 AI 认知与实际应用间的差距。该计划通过导师指导与生产级工具，帮助业务专业人员利用 Amazon Bedrock、Strands Agents SDK 等构建可落地的 AI 原型。实践证明，完成分阶段培训的人员保留的实际技能强度是两天密集培训者的三倍。

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 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。

  5. 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。

  7. 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。

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
  2. 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。

  3. 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。

  4. 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。

  5. 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。

  9. 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。

10月1日周四