跳到正文

#Agent

今日 7 条

一手 · 工具·提示词·论文 三栏速览

每栏 6 / 6 · 直达分类页

工具

6 条
查看全部

提示词

6 条
查看全部

论文

6 条
查看全部
今天10月8日周四
  4. AWS Machine Learning Blog16

    AWS 发布"AI builder"培养方案：六周结构化项目弥合业务人员 AI 知识与实操能力差距

    AWS 设计了一个六周结构化项目，让日常工作依赖 AI 但无工程背景的业务人员动手搭建 AI 智能体原型，每周三至四小时。试点中四位销售类背景的成员基于 Amazon Bedrock AgentCore、Strands Agents SDK 和 Amazon Nova 模型构建出金融顾问多智能体工具 WealthWise，获得第一名。

10月7日周三
10月6日周二
  1. AWS Machine Learning Blog19

    智谱 GLM 5.3 上线 Amazon Bedrock，主打编码与长链路智能体任务

    智谱（Z.ai）的 GLM 5.3 现已在 Amazon Bedrock 上线，面向企业客户提供全托管 API 接入。该模型为 753B 参数的 MoE 架构，专为编码与长链路智能体任务优化，发布时在 CyberGym 基准上取得 84.5 分。Bedrock 同时提供跨区域推理、隐式与显式 prompt caching，以及 Flex / Priority / Standard 三档服务等级。

  2. Google Research37

    Google 发布《智能体隐私与安全的开放与新兴问题》研讨会报告，主张以"情境完整性"框架约束 AI 智能体行为

    Google 发布一份由 50 多位学界与业界专家共同撰写的研讨会报告，系统梳理 AI 智能体在隐私与安全上区别于传统软件的三大挑战：非结构化接口带来的提示词注入、概率性控制流难以用传统测试保障，以及任务委派后用户监督失效的"确认疲劳"。报告主张以"情境完整性"理论为基础，构建包含系统级沙箱、模型级推理与用户级控制的分层防御架构，并提出由实时动态策略引擎监督智能体行为是否合乎所在情境的社会规范。

10月4日周日
  1. Hugging Face Blog84

    Microsoft ThinkingBox 发布：通过数据库状态评估 AI 智能体

    Microsoft 与 Hugging Face 联合发布 ThinkingBox，这是一个通过检查智能体在数据库中留下的实际记录来评估 AI 智能体的基准测试工具，而非仅评估其生成的文本。

    推荐理由：原文通过大量实验数据揭示了 AI 智能体评估的核心问题：单次成功不等于可靠执行，这为读者选择生产环境模型提供了具体依据。

10月3日周六
  1. AWS Machine Learning Blog72

    Amazon SageMaker AI 多轮强化学习微调搜索智能体实战

    本文介绍如何使用 Amazon SageMaker AI 的多轮强化学习（MTRL）功能微调 Qwen3.6-27B 搜索智能体。作者在四个基准测试上验证了微调效果：WixQA 提升 18.4%、Wands 提升 6%、BrowseComp-Plus 提升 23.7%，同时失败率从 22.89% 降至 0.68%。

    推荐理由：给出了用 MTRL 训练搜索智能体的完整流程和实测数据，读者可以据此判断该方法对自己场景的适用性。

10月2日周五
  1. Hugging Face Blog62

    Allen AI 开源 AstaBrief 8B 科学报告生成模型

    Allen AI 发布并开源了 AstaBrief 8B 模型，该模型可将研究问题和检索到的文献片段转化为带引用的科学报告。作为 Asta 平台 Generate a report 功能的 Fast 模式，平均生成时间为 51.1 秒，相比 Claude 驱动的 Thinking 模式（178.5 秒）提速约 3.5 倍。

    推荐理由：提供了完整的训练数据构建、偏好数据过滤、评估指标设计过程，可供研究科学报告生成模型的开发者参考。

  2. GitHub Blog · AI & ML39

    AI 正在改变开发者工作：加强这3项技能

    GitHub 指出 AI 时代开发者需掌握三项核心技能：学会引导 AI 智能体而非仅使用 AI 工具；不轻信 AI 首个答案，用第二个模型审查首个模型的输出；利用 AI 节省的时间解决更广泛的工程问题，如理解客户需求和评估技术权衡。随着 AI 承担更多实现工作，技术判断力将成为区分优秀工程师的关键能力。

  3. NVIDIA Blog70

    NVIDIA DGX Spark 推出 64GB 内存配置

    NVIDIA 宣布 DGX Spark 新增 64GB 统一内存配置，将于 10 月 23 日从 Acer、ASUS、Dell、Gigabyte、HP、MSI 等合作厂商开售，起售价 $4,999。

    推荐理由：原文给出了 64GB 型号的具体价格（$4,999）、上市时间（10月23日）和性能数据（两台集群 1.7x 提升），读者可以据此判断这个新配置是否适合自己。

  4. Hugging Face Blog44

    AutoSynthData：为企业 AI 智能体生成训练数据

    ServiceNow CoreAI 构建了 AutoSynthData 系统，利用目标模型的失败和更强教师的成功来识别能力差距，并据此生成验证过的训练任务。系统首先诊断模型在特定环境中的薄弱环节，然后将能力差距转化为多样化、可执行的训练任务，用于模型后训练。AutoSynthData 在 EnterpriseOps Gym 环境中进行演示，并发布了对应的数据集。

  5. NVIDIA Blog71

    NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast

    GPT-6 Astra Ultrafast 基于 NVIDIA Blackwell GPU 提供推理加速，最高可达标准模式的 8 倍 token 生成速度。该模式已在 OpenAI API 和符合条件的 ChatGPT Work、Codex 用户中开放，可缩短编码 Agent 的编辑-测试-调试周期。

    推荐理由：原文给出了能力提升数据和开放入口，读者可以判断 Ultrafast 模式如何改变编码 Agent 的工作流。

10月1日周四
  1. Google DeepMind77

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google 发布新前沿模型 Gemini 4 Argon，在复杂软件工程、企业知识工作和网络安全防御方面达到前沿性能。上下文窗口扩展至 100 万 token，定价为输入每百万 token 2 美元、输出 10 美元。该模型通过 Fairwind Program 向部分受信任的网络防御者提供，并将在不久后向付费 API 客户和 Google AI Ultra 订阅用户开放。

    推荐理由：原文给出了具体的能力变化和性能数据，读者可以据此判断这个模型的能力水平和应用场景。

  2. Microsoft Research33

    微软研究院如何用机器学习预测美国电网的空间天气风险

    微软研究院开发了一个端到端机器学习管道，预测美国本土66,935个变电站的空间天气风险。该系统结合太阳风观测、AE和Dst指数预报及当地地质数据，可在潜在影响前30-60分钟发出警告，在评估期间检测到近80%的主要空间天气事件。GIC风险检测对主要事件(≥10 nT/min)达76.5%，严重事件(≥20 nT/min)达81.2%。

  3. AWS Machine Learning Blog74

    在 Amazon Bedrock AgentCore Runtime Instances 上构建多智能体音乐制作流水线

    AWS 在官方博客中展示了如何使用 AgentCore Runtime Instances 构建一个三智能体音乐制作流水线：Composition 智能体使用 Claude Sonnet 4.6 生成音乐简报并调用 ACE-Step 模型在 GPU 上渲染音频，Delivery 智能体读取生成的音频并进行混音处理，Compliance 智能体进行合规审查。

    推荐理由：教程通过一个完整的多智能体音乐制作流水线，展示了在 GPU 实例上运行多智能体的具体实现方式，可迁移到 3D 渲染、模拟或模型推理等场景。

  4. AWS Machine Learning Blog63

    使用 Amazon Bedrock Knowledge Bases 用自然语言查询保险理赔

    本文是 AWS 官方技术教程，介绍如何使用 Amazon Bedrock Knowledge Bases 构建保险理赔助手。核心方案是通过 AgenticRetrieveStream API 实现智能检索，支持多轮对话、元数据过滤和引用标注。

    推荐理由：提供了构建保险理赔 RAG 助手的完整方案，含代码示例、配置步骤和评估数据，方法可迁移到其他文档检索场景。

9月30日周三
  1. AWS Machine Learning Blog73

    GPT-6.1 Sol 在 Amazon Bedrock 全面可用

    GPT-6.1 Sol 现已在 Amazon Bedrock 全面可用，将更强的推理能力带入编码、计算机使用和专业工作负载。根据 OpenAI 的数据，该模型在 DeepSWE v1.1 上与 GPT-6 Astra 性能相当，但任务成本降低约五分之一；相比 GPT-6 Sol 最高分提升 6.4 个百分点。用户可通过 Amazon Bedrock 控制台或 API 接入使用。

    推荐理由：原文给出了与前代版本的成本和性能对比数据，读者可以据此判断新模型是否值得在生产环境中切换。

9月29日周二
  1. Microsoft Research66

    微软发布 Quine：面向生物学复杂性的 AI 研究系统

    微软研究院发布 Quine，这是一款旨在连接科学工具、文献、实验室和研究人员的 AI 研究系统。与 Broad Institute 合作，该系统用于预测和优先排序能够驱动肿瘤状态转变的化合物。在胰腺导管腺癌（PDAC）的湿实验证中，Quine 最高排名的化合物产生了最大的预期转录变化，整个过程仅用一个周末就完成了候选化合物的筛选和验证。

    推荐理由：原文给出了 Quine 的具体能力（世界模型+交互式 harness）、应用场景（胰腺癌药物预测）和初步验证结果，读者可以据此了解这个 AI 系统如何辅助生物研究以及实际效果。

  3. AWS Machine Learning Blog80

    Grok 4.7 在 Amazon Bedrock 上可用

    xAI 的 Grok 4.7 现已在 Amazon Bedrock 上线，支持 50 万 token 上下文窗口和低/中/高/xhigh 四档可配置推理 effort。该模型定位为 xAI 最强的编码和知识工作模型，强调在困难任务上工作更久并更仔细地自我验证，支持 Responses、Chat Completions 和 Converse API，可通过跨区域推理配置文件路由。

    推荐理由：提供了模型在 Bedrock 上的具体接入方式、API 接口和定价策略，读者可据此评估集成成本和工作流适配性。

  4. AWS Machine Learning Blog70

    在 AWS 上推出 Claude Sonnet 5.5

    Anthropic 的 Claude Sonnet 5.5 现已在 Amazon Bedrock 和 Claude Platform on AWS 可用。该模型更适合聚焦的编码和知识工作，相较 Opus 5.5 以更低的每任务成本和更快的速度完成范围明确的工作。文章提供了在 Amazon Bedrock 控制台测试和通过 AWS SDK 编程调用的具体步骤，并列出了必要的 IAM 权限要求。

    推荐理由：原文给出了 Claude Sonnet 5.5 的能力定位（更适合聚焦编码和知识工作）和成本/速度优势，读者可以据此判断它是否适合替换当前的模型方案。

9月28日周一
  1. AWS Machine Learning Blog55

    使用 Amazon Nova Act 实现合成监控

    Amazon Nova Act 使用多模态大语言模型处理 UI 截图而非 DOM 选择器，能自适应大部分 UI 变化。该方案结合 Amazon Bedrock AgentCore Runtime 实现无服务器执行，提供完整的示例代码仓库，包含部署脚本和 CDK 基础设施代码。