跳到正文
11月18日周三
  1. AWS Machine Learning Blog44

    AWS Forward Deployed Engineering 覆盖 15 国,让 AI 走出演示、进入全球企业

    AWS Forward Deployed Engineering(FDE)现已覆盖 15 个国家,面向商业与公共部门客户,内置数十个生产就绪加速器。FDE 于 6 月推出,从基础、工作流与治理三层帮助企业跨越 AI 从演示到生产的最后一公里。三星人寿 45 天内建成受管智能体平台,Marsh 首个用例约两个月上线,目标环节效率提升最高达 70%。

  2. AWS Machine Learning Blog46

    面向智能体 AI 的负责任 AI:平台与应用团队的分阶段路线图

    AWS 提出面向智能体 AI 平台的三阶段负责任 AI 成熟度框架,应对运行时行为不可预测、数据暴露、监管加速与团队协作缺失四大挑战。框架把 AWS Responsible AI Lens 支柱映射到治理基础、试点部署、评估与强化三个阶段,配套 Responsible AI Assessment Skill、评分卡和 12 周实施时间线。

  3. AWS Machine Learning Blog27

    AWS re:Invent 2026 上 AWS Quick 的完整指南

    AWS 发布 AWS re:Invent 2026 上 AI 工作空间 AWS Quick 的完整指南,Allianz 等客户将分享企业级部署经验。议程包括某团队在 90 天内为 20,000+ 用户部署 AI 助手,以及 Allianz 六周内通过审批、为 200,000 名员工赋能。AWS Quick 提供租户级数据隔离与角色访问控制,可连接企业现有数据系统以满足合规需求。

11月17日周二
  1. AWS Machine Learning Blog60

    多智能体设计模式分类、反模式与制造业经验

    AWS 解决方案架构师系统梳理多智能体设计模式,将协调模式分为路径预定义的 Tier 1 与模型运行时选路的 Tier 2,并给出从单次模型调用到自治多智能体的选型决策树。

    推荐理由:文章将多智能体协调模式分为确定性控制流与模型自治两层,并给出选型决策树与五个反模式,可直接迁移到自己的架构选型。

  2. Hugging Face Blog84

    Hugging Face 与 OpenRouter 合作,Inference Providers 切换至 OpenRouter 路由

    Hugging Face 将 Inference Providers 的语言模型路由切换至 OpenRouter,用户用 Hugging Face token 即可通过统一 API 调用服务商托管的开放权重模型。

    推荐理由:原文同时给出路由切换细节和开放权重模型使用占比数据,读者可据此评估统一推理入口对现有工作流的影响。

  3. AWS Machine Learning Blog70

    Amazon Bedrock Guardrails Denied Topics 编写最佳实践

    AWS 官方博客系统总结了 Amazon Bedrock Guardrails 中 Denied Topics 的八条编写最佳实践,指出误拦多源于按主题域而非用户意图组织话题。

    推荐理由:文章把误拦问题归因到四种常见写法并给出八条可迁移的编写规范,读者可直接对照自查自家护栏的拒拦边界。

  4. NVIDIA Blog47

    NVIDIA CUDA-X 库为 AI 智能体提供加速科学发现的工具

    NVIDIA 扩展 CUDA-X 库,为 AI 智能体提供工具,加速从天体物理、材料科学到单细胞生物学的科学发现。cuPhoton.xBeam 将黑洞观测数据分析从一个月以上缩短至 8 分钟,cuPotential 将分子模拟提速至 3x。新开源的 cuSpa 相比 CPU 提速 900x,Daviator 将量子力学计算提速至 22x、成本降低至多 75%。

  5. NVIDIA Blog34

    Lambda 借 NVIDIA Photonics 提升 AI 工厂韧性与效率

    Lambda 部署 NVIDIA Photonics CPO 交换机,提升大规模 AI 工厂的能效与可靠性。该网络连接超过 10,000 个 GPU 的 GB300 NVL72 机柜,机柜级延迟降低约 4%,pod 级最高约 10%。相比传统可插拔光模块,其功耗效率最高提升 5 倍、可靠性最高提升 15 倍,并使用 4 倍更少激光器。

11月14日周六
  1. AWS Machine Learning Blog35

    Amazon Bedrock AgentCore runtime 快速会话启动的架构模式

    Amazon Bedrock AgentCore runtime 的 V2 版本通过预先构建环境快照并按会话恢复,使会话启动更快更稳定。每个会话在独立隔离的 microVM 中运行,平台空闲时缩容至零,V2 还会回收会话未使用的内存以降低成本。文章给出四种加速启动的架构模式,包括用新增的 build hooks 预加载大文件,以及在用户发起请求前预热会话。

  2. AWS Machine Learning Blog32

    用 Amazon SageMaker JumpStart 上的 OpenFold3 预测生物分子结构

    OpenFold3-preview 现可通过 Amazon SageMaker JumpStart 部署到自有 AWS 账户。该模型由 OpenFold Consortium 与哥伦比亚大学 AlQuraishi Lab 以 Apache 2.0 开源,可一次预测蛋白、DNA、RNA 与小分子配体复合物的三维结构。端点采用异步推理,支持网络隔离、多 GPU 并行与空闲时缩容至零。

  3. Google Research84

    Google 借 Antigravity /teamwork 在科学与工程领域取得多项突破

    Google Research 报告称,Antigravity /teamwork 多智能体工作流结合 Gemini 4 Argon 等模型,在数学、形式化验证、分子化学和系统工程领域取得一系列成果,相关工具已开始向外部研究者和开发者开放。

    推荐理由:原文用大量实例说明并行探索加独立证伪器的多智能体模式如何攻克多年未解难题,读者可据此设计自己的验证式工作流。

11月13日周五
  1. Hugging Face Blog73

    llama.cpp v1.0.0 发布:为本地 AI 生态提供更稳固的基础

    llama.cpp 正式发布库 v1.0.0,同时 ggml 也发布 v1.0.0,标志着这一跨平台本地推理项目进入 API 稳定阶段。今后 llama.cpp 和 ggml 将通过主版本号反映公共 C API 和 ABI 的不兼容变更,并遵循语义化版本规则。

    推荐理由:v1.0.0 明确了 API 和 ABI 稳定性承诺,依赖 llama.cpp 的下游应用可以据此规划升级与集成。

  2. AWS Machine Learning Blog71

    在 Amazon Bedrock 上优化单任务成本并验证智能体 ROI

    AWS 解决方案团队提出按任务而非按 token 核算 Amazon Bedrock 智能体成本,并给出验证智能体 ROI 的完整框架。文中拆解分词器效率、输出冗余、智能体循环和推理开销四个隐藏成本驱动因素,示例中标价高一倍的模型单任务成本反而低 65%。

    推荐理由:原文给出按任务而非按 token 核算成本的完整框架,读者可直接迁移到自己的智能体项目上衡量投入产出。

11月12日周四
  1. AWS Machine Learning Blog64

    在 Amazon SageMaker HyperPod 上检测并恢复分布式训练中的静默数据损坏

    AWS SageMaker HyperPod 团队在 PyTorch DDP 训练循环中加入三项检查来捕捉静默数据损坏(SDC):非有限梯度检查、环形重放审计和权重指纹比对,报警后把嫌疑 rank 映射到节点并由 HyperPod 替换。

    推荐理由:原文给出了一套可直接落地到 PyTorch DDP 训练循环的 SDC 检测与节点替换流程,并附上注入故障的实测开销和误报数据。