跳到正文
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. 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。

  3. 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。

  4. 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。

  5. 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。

  6. NVIDIA Blog23

    CUDA 20 周年:该平台如何改变科学计算

    NVIDIA 在 SC26 上庆祝 CUDA 平台发布 20 周年,回顾其如何从图形处理扩展为现代科学与 AI 的加速计算基石。自 2006 年发布以来,CUDA 已支持 AlexNet 训练与 AlphaFold 2 蛋白质结构预测等突破,并发展出 1000 多个 CUDA-X 库。如今全球有超过 1100 万开发者基于 CUDA 构建应用。

  7. 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%。

  8. 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. 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。

  4. Hugging Face Blog64

    XYBench 基准发布:测试 AI 助手能否识别请求背后的真实问题

    AI2 联合 Carnegie Mellon、NVIDIA 和 Johns Hopkins 的研究者发布 XYBench 基准,包含 8115 条来自 Stack Overflow、Stack Exchange、WikiHow 等的真实问题,衡量模型能否识别用户请求中的隐含误解并引导其转向真正目标。

    推荐理由:该基准提供了一种衡量模型识别用户误解能力的框架,实验显示五个主流模型在误解识别上仍落后于人类参考答案。

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。