跳到正文
11月17日周二
  1. Microsoft Research78

    TokenEconomizer:从经验中学习,让 AI 编码智能体更高效

    UC Berkeley 与 Microsoft Research 等团队发布开源插件 TokenEconomizer,它从智能体在代码仓库的历史会话中学习,在不修改智能体或底层模型的前提下降低后续会话成本。

    推荐理由:论文给出了一套不改动模型即可复用的经验式成本控制方法,读者可迁移到自己的编码智能体工作流。

  2. NVIDIA Blog53

    NVIDIA 发布 Rubin HPC GPU,加速科学、工程与分析智能体

    NVIDIA 在 SC26 上发布 Rubin HPC GPU,这是 Vera Rubin 平台的新成员,单 GPU 配备超过 50,000 个 CUDA core,采用第七代 NVLink 互联与稀疏数据加速能力,面向科学、工程与分析工作流。该 GPU 通过同步扩展数据传输与计算来优化科学计算,配合 CUDA-X 库可加速智能体调用仿真的反馈循环,预计 2028 年上市。

  3. 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%。

11月16日周一
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. 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. GitHub Blog · AI & ML79

    一次构建,在任意智能体上运行:智能体技能实战指南

    GitHub 官方博客讲解了如何编写可跨智能体客户端复用的智能体技能(agent skill):技能是以 SKILL.md 为中心的版本化目录,用来固化可重复的任务指令,环境仍需自行提供工具、凭据和权限。

    推荐理由:原文给出把智能体技能打包到 Claude Code、Cursor 与 GitHub Copilot 的做法与 CI 校验步骤,读者可直接迁移到自己的多客户端工作流。

  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。

  3. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Hydrogen

    Google DeepMind 发布 Gemini 4 Hydrogen,定位日常编码与智能体工作流的快速执行模型,即日起在 Gemini API、AI Studio、Gemini app、Google Search 等全端开放。

    推荐理由:Hydrogen 与 Carbon、Argon 形成快慢分工,并带来多模型编排入口,读者可据此重新规划编码与智能体工作流。

11月12日周四
  1. AWS Machine Learning Blog63

    Amazon Bedrock AgentCore 推出 Web Search API

    AWS 宣布 Amazon Bedrock AgentCore 上线 Web Search API,自己的代码用一次 API 调用即可搜索网络,不再需要先创建 AgentCore Gateway。

    推荐理由:原文对比了 API 与 AgentCore Gateway 的适用场景,读者可判断该为智能体或数据管线选哪条接入路径。

  2. AWS Machine Learning Blog48

    AWS 用可复用资产加速生成式 AI 交付

    AWS 生成式 AI 创新中心开放 23 个开源生产级可复用资产,涵盖 RAG 管道、文档处理模块与智能体脚手架模板,可将开发周期从数月压缩到数周。DoorDash 用 Contact Center GenAI Agent 建成日均处理超 100,000 次呼叫、响应延迟 2.5 秒的语音自助客服,测试容量提升 50 倍。

  3. AWS Machine Learning Blog66

    UAEF:框架无关的 AI 智能体闭环评估系统

    AWS 开源 UAEF,一个框架无关的 AI 智能体闭环评估系统。它通过适配器把 LangGraph、LangChain、Strands Agents、Amazon Bedrock AgentCore 等框架的执行轨迹归一为统一格式,再用 7 个维度共 36 项内置指标打分,结果存入 Amazon DynamoDB 与 Amazon S3 以支持跨版本比较和回归检测。

    推荐理由:原文把框架无关的闭环评估拆成适配器、指标和实验对比三层,读者可照此思路搭建自己的智能体评测流水线。

  4. AWS Machine Learning Blog42

    用 AWS Quick 的 AI 驱动生命周期管理(AI-PDLC)加速产品开发

    AWS Quick 推出 AI 驱动的产品开发生命周期框架 AI-PDLC,用六个 AI 智能体把分散在企业系统中的客户信号转化为可验证的产品原型。框架由 Orchestrator 统一调度 Discovery、Prioritize 等专家智能体,从 Slack、Jira、Salesforce 等来源汇聚上下文,每个阶段均设人工审批关卡。

11月11日周三
  1. Microsoft Research79

    微软研究披露 Lazarus:重编程休眠神经元可给 AI 智能体植入后门

    微软研究人员发现名为 Lazarus 的后门技术:只需重编程 LLM 中不到 10 个休眠神经元、无需训练,就能让基于该模型的智能体在隐藏触发条件出现时执行攻击者命令,且模型仍能通过标准安全评测。

    推荐理由:原文给出了只需重编程少数休眠神经元即可植入后门的机制,读者可据此理解权重审计与来源校验为何是关键防线。

  2. AWS Machine Learning Blog61

    用 LangGraph 与 Amazon Bedrock AgentCore Web Search 构建每日依赖监控器

    AWS 官方博客演示用 LangGraph 与 Amazon Bedrock AgentCore 的 Web Search API 搭建每日依赖监控,为安全团队每天核查 npm、PyPI 包和容器基础镜像的新变化。

    推荐理由:教程给出了可迁移做法,把日期窗口、屏蔽名单和搜索预算固定在代码里,再对照引用来源校验每条发现。