跳到正文
10月20日周二
  1. AWS Machine Learning Blog63

    AWS 推出新登录体验,新用户可快速进入 SageMaker Studio

    AWS 宣布新 Amazon SageMaker AI 客户可用 Google、GitHub、Apple、Amazon 账号或邮箱在 2–3 步内注册,约 20 秒后进入预配置的 SageMaker Studio 环境,多数客户无需信用卡。

    推荐理由:原文列出了注册入口、免费额度和预配置权限的具体变化,读者可据此判断新流程如何缩短从选模型到部署的时间。

  2. NVIDIA Blog56

    德国希望引领全球工业 AI,NVIDIA 将如何助力

    德国联邦政府与 NVIDIA 签署合作意向声明,双方将共同推进面向物理 AI 的前沿模型,目标是让工业 AI 在德国企业中得到广泛应用。NVIDIA 同时宣布对 Agile Robots、Avelios Medical、Mirelo 和 Reflex Aerospace 四家德国初创公司进行新的投资,这是其在欧洲近 $10 billion 投入的一部分。

  3. GitHub Blog · AI & ML60

    如何在 VS Code 中继续 GitHub Copilot 应用会话

    GitHub 官方教程说明可以直接在 VS Code 中打开 Copilot 应用会话,原有对话、代码改动和工作上下文都保持完整。在会话中选择 Open in VS Code 后,VS Code 会打开会话关联的 worktree 并在侧边栏显示该会话;随后可逐行审查 diff、直接手动编辑、在集成终端运行测试,最后提交并推送到会话已关联的 pull request。

    推荐理由:教程演示了把 Copilot 应用会话原样接入 VS Code 的完整流程,会话上下文、diff 和 worktree 均保持连续,可作为智能体改动手动接管的工作流参考。

  4. AWS Machine Learning Blog63

    TwelveLabs Pegasus 1.5 视频语言模型在 Amazon Bedrock 上线

    TwelveLabs 的视频语言模型 Pegasus 1.5 现已在 Amazon Bedrock 上线(US West (Oregon) 区域),可将最长 2 小时的长视频转化为带时间戳的结构化 JSON 元数据。

    推荐理由:相比 Pegasus 1.2 只能对单段视频问答,1.5 可按自定义条件切分整片视频并输出带时间戳的 JSON,适合需要批量编目长视频的团队。

10月19日周一
  1. NVIDIA Blog34

    NVIDIA 推进媒体智能体安全:从欧洲公共服务广播到全球内容生产

    NVIDIA 与欧洲广播联盟(EBU)扩大主权智能体框架合作,引入主权云、Nemotron 开放模型与系统集成商,让广播机构在掌控数据与安全的前提下部署 AI 智能体。Adobe Frame.io 借助 NVIDIA GPU 加速视频搜索,实现约 5 倍更快的嵌入向量生成、最高 4 倍吞吐量提升与最高 5 倍延迟降低。

10月18日周日
  1. NVIDIA Blog68

    NVIDIA RTX Spark 笔记本全球上市,起售价 2,399 美元

    NVIDIA RTX Spark 笔记本现已上市,将 Blackwell RTX GPU 与 Grace CPU 整合为单颗超级芯片,提供最高 1 petaflop AI 算力和最高 128GB 统一内存,起售价 2,399 美元。

    推荐理由:原文列出了 RTX Spark 笔记本的售价、硬件配置与本地 AI 能力,读者可据此判断其是否适合作为便携本地 AI 工作站。

10月17日周六
  1. AWS Machine Learning Blog68

    建立对 AI 智能体的信任:基于 Amazon Bedrock AgentCore 的生产级评估框架

    AWS SMGS 运营团队基于 Amazon Bedrock AgentCore Evaluations 为其服务全球销售团队的多智能体系统搭建了九阶段生产级评估框架,覆盖从首次提交到生产运行的全生命周期。

    推荐理由:原文给出可迁移的九阶段智能体评估框架与六类失败分类法,读者可据此在生产环境中建立持续质量闭环。

  2. Google Research67

    让 AI 智能体扎根生物现实:自主湿实验室的构建模块

    Google Research 分享三项研究进展,推动 AI 智能体在真实湿实验室中安全、闭环地完成设计-测试-改进循环。VERID 框架基于开源 PyLabRobot 构建实验室语义数字孪生,提供 3D 状态追踪、虚拟试运行、硬件安全校验与同步日志。

    推荐理由:原文系统呈现智能体在湿实验室闭环科研中的框架设计与实证结果,可了解 AI 自动化实验的关键瓶颈与解法。

10月16日周五
  1. Hugging Face Blog78

    Reflection 发布开源 501B MoE 模型 Beam:1M 上下文,专注编码与智能体

    美国新实验室 Reflection 发布其首个模型 Beam(reflectionai/Beam-1.0-501B-A23B),为 501B 参数的 MoE 模型,每 token 激活 23B,支持 1M 上下文,文本输入输出,采用 Apache 2.0 许可,面向编码与智能体场景。

    推荐理由:Beam 以 501B 参数的 MoE 架构和 Apache 2.0 许可开源,为想在自有硬件上部署前沿规模模型并做定制的团队提供了新选择。

  2. Hugging Face Blog64

    扩展印度语预训练:2.8 万亿 token 与开放数据生成管线

    NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1,约 2.8 万亿 token 覆盖 22 种印度语言,同时开放生成该语料的 GPU 加速数据管线。

    推荐理由:语料覆盖 22 种印度语言并开放完整生成管线,读者可参考其翻译、质检与修复流程复用到自己的多语言数据构建。

  3. Hugging Face Blog62

    Granite Switch 4.1 发布:单一端点支持对话、决策与语音转写

    IBM Granite 团队发布 Granite-Switch-4.1-8B 与 -30B,将通用 Decision aLoRA、安全决策 Guardian aLoRA 和 OpenASR 榜单上最快的 ASR 模型 Granite-Speech-5.0-Turbo-CTC 组合进一个托管端点。

    推荐理由:原文给出用 aLoRA 复用 KV cache 在单一端点组合多种能力的做法,读者可迁移到低显存多能力部署场景。

  4. Hugging Face Blog88

    Meta 发布开源前沿多模态 MoE 模型 Muse Spark Open

    Meta 发布开源多模态混合专家模型 Muse Spark Open,总参数约 816B、每 token 激活约 42B,上下文窗口最长 1M tokens,支持文本、图像、音频、视频输入并输出文本。

    推荐理由:文章给出 816B 参数 MoE 模型从推理部署到 LoRA 微调的完整配方,可作为同类开源大模型落地的参考路径。

  5. Microsoft Research62

    微软研究院发布 Magnetar:用零知识证明实现通用计算

    微软研究院发布零知识虚拟机 Magnetar,开发者用 Rust、Go 或 C 照常编写并编译为 RISC-V 程序后即可由其证明执行,在 15 个基准程序上平均比同类最快 zkVM 快 10 至 39 倍。

    推荐理由:原文梳理了微软十余年零知识证明研究脉络,并给出 Magnetar 与现有 zkVM 在速度、通用性和密码学假设上的具体对比。

10月15日周四
  1. Hugging Face Blog82

    Black Forest Labs 发布 FLUX.3 Image Klein,Diffusers 首日支持

    Black Forest Labs 发布图像模型 FLUX.3 Image Klein,Hugging Face Diffusers 首日支持。单模型覆盖文生图、多参考图生图与边界框布局控制;蒸馏检查点在单张 H100 上约 1.93 秒生成 1024×1024 图像,并提供 NVFP4、FP8 量化权重与 DreamBooth LoRA 训练脚本。

    推荐理由:原文同时给出能力清单、显存占用与 LoRA 训练脚本,读者可据此判断 FLUX.3 能否在自己的 GPU 上跑通。

  2. Hugging Face Blog72

    Apertus 1.5 发布:支持图像与音频理解,上下文窗口扩展至 262,144 tokens

    Project Apertus 发布 Apertus 1.5 的 8B 与 70B 模型(2026 年 7 月 24 日上线 Hugging Face,Apache 2.0 许可),在 Apertus 1.0 基础上新增图像与音频理解、可选思考模式,上下文窗口扩展至 262,144 tokens。

    推荐理由:原文完整公开了从数据、训练配方到中间检查点的全流程细节,可作为复现开源多模态模型训练的参考样本。