跳到正文
10月30日周五
10月29日周四
10月28日周三
  1. AWS Machine Learning Blog40

    Exowatt 借助 SageMaker 无服务器模型定制在准确率上超越前沿模型

    Exowatt 使用 Amazon SageMaker AI 无服务器模型定制构建可复用 AI 流水线,为边缘与云端两个部署目标产出任务专用微调模型,准确率超越前沿模型且成本最多降低 49×。该流水线基于 Qwen3-1.7B 微调用于边缘告警分诊,并基于 Qwen3-14B 微调用于云端能源市场分析。Exowatt 现在可在数天而非数月内完成从原始运行数据到微调模型的全流程。

10月27日周二
10月24日周六
  1. AWS Machine Learning Blog47

    Amazon SageMaker AI 上的多轮强化学习:实战指南

    Amazon SageMaker AI 的多轮强化学习(MTRL)以整个任务序列的最终成败为奖励信号,用 GRPO 更新 LoRA 适配器来训练智能体。在 Wordle 示例中,MTRL 将 GPT-OSS-20B 在预留词上的解题率从 61% 提升到 84%(低推理强度下从 15% 升至 69%),训练 token 成本约 $339。

10月23日周五
  1. AWS Machine Learning Blog35

    Rescale 如何用 Strands Agents 和 AI-DLC 构建 AI 分诊智能体

    Rescale 用 AWS 的 AI-DLC 框架构建 AI 测试分诊智能体,5 天内完成从问题定义到预发布部署,数周内进入生产。该智能体运行在 Amazon EKS 的 Argo Workflows 流水线中,调用 Amazon Bedrock 上的 Claude Opus 4.8,将夜间 Playwright 测试失败分类为基础设施问题、代码缺陷、不稳定测试或环境问题。

10月22日周四
  1. AWS Machine Learning Blog72

    Deep Insight 如何解决多智能体系统的五大生产挑战

    AWS Solutions Architecture 团队构建并开源了生产级多智能体系统 Deep Insight,用户上传 CSV 并输入自然语言后,由八个分工智能体协作完成数据分析、图表生成、计算校验,最终输出带引用的 DOCX 报告。

    推荐理由:原文给出多智能体系统从架构到生产部署的完整设计,读者可把分层编排和按角色选模型的思路迁移到自己的系统。

  2. AWS Machine Learning Blog23

    U.S. Hunger 如何借助 Amazon Quick 连接领导团队与数据

    非营利组织 U.S. Hunger 借助 Amazon Quick 让领导团队直接探索组织数据,无需每次请技术团队重新拉取。Quick Spaces 为同事提供共享的文档、KPI 定义和分析空间,帮助领导层基于一致口径协同决策。目前该组织已为 17 名同事开放访问权限,SQL Server 数据每晚 2 点刷新到 SPICE 供分析使用。

10月21日周三
  1. AWS Machine Learning Blog39

    如何通过 AWS 上的 Smartsheet MCP 为 AI 智能体提供工作流上下文

    Smartsheet 正式推出全面可用的 MCP Server,使 AI 助手能通过标准化协议读取、写入和管理 Smartsheet 数据。该服务器提供超过 40 种工具,支持用自然语言更新任务状态、创建行和修改项目结构。文章还演示了如何将 Amazon Quick 和 Kiro 作为 MCP 客户端接入现有工作流。

  2. AWS Machine Learning Blog63

    用 AWS Agent Registry 在运行时发现 Agent 工具

    AWS 官方博客演示了用 AWS Agent Registry 让编排器在运行时通过混合语义与关键词搜索发现已批准的 MCP 服务器和 A2A 智能体,替代硬编码工具接入。

    推荐理由:原文给出运行时发现替代硬编码工具的参考实现,读者可据此评估自家 Agent 目录的治理与认证拆分方式。

  3. Hugging Face Blog79

    TorchTPU 发布,Hugging Face 生态原生支持 TPU

    Hugging Face 宣布 TorchTPU 为 PyTorch 增加原生 TPU 后端,Transformers、Diffusers 和 Kernels 无需 torch_xla 或 Optimum TPU 即可在 TPU 上运行,加载 Hub 模型只需设置 device_map 为 tpu。

    推荐理由:原文对比了 torch_xla 旧方案并给出 device_map=tpu 等迁移细节,读者可评估现有 PyTorch 代码上 TPU 的改造成本。

  4. AWS Machine Learning Blog47

    Eon 如何用 Amazon Bedrock AgentCore 的 MCP Gateway 构建多云调查体系

    Eon 基于 Amazon Bedrock AgentCore Gateway 搭建统一 MCP 网关,以单一认证入口替代逐工具凭证和本地 MCP 服务器,让开发者和自主智能体跨 AWS、GCP、Azure 统一访问调查工具。新工程师接入全部调查工具的时间从约 2 天缩短到约 2 分钟。该方案通过 Cedar 策略实现最小权限访问,生产工具仅限只读。

10月20日周二
  1. 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。

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。