用 CDK 在 Managed Amazon Bedrock Knowledge Base 上构建智能体检索
该文用 AWS CDK 在 Managed Amazon Bedrock Knowledge Base 上构建企业级智能体检索系统:推理智能体决定是否检索、查询哪个知识库,由 AgenticRetrieveStream API 返回带引用的答案。
该文用 AWS CDK 在 Managed Amazon Bedrock Knowledge Base 上构建企业级智能体检索系统:推理智能体决定是否检索、查询哪个知识库,由 AgenticRetrieveStream API 返回带引用的答案。
Fanatics 与 OpenAI 合作推出 Shop the Look,帮助球迷完成比赛日穿搭。在约 30,000 款 MLB 商品上的测试显示,该功能带来 10% 的互动率提升。
OpenAI 阐述了加强前沿模型训练与评估环境安全隔离的具体做法。其措施包括采用离线环境,以及开展高算力红队测试。
Google Research 回顾了其结核病筛查 AI 从论文到临床落地的路径,与 Nexus AI 合作的胸片工具获 CE MDR IIb 认证,在六国约 40 家机构评估超 25,000 张胸片,周转时间从数周缩至 45 秒以内。
推荐理由:原文梳理了从论文基准到 CE 认证临床工具的落地路径,读者可看到开放模型如何支撑各国本地化医疗部署。
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。
Bayer Crop Science 基于 Amazon Bedrock AgentCore 构建了多智能体自然语言接口 Agentic Decision Engine(ADE),用于理解其 Connected Decision Engine 的 ML 工作流,首阶段约 80% 的用户问题无需工程师介入即可解决。
AWS 提供可复用的 CDK construct,用 CloudFormation 自定义资源在 SageMaker AI 端点更新前后自动注销并注册自动扩缩容,单次部署即可同时更新端点配置与扩缩容参数,无需人工干预。
Hugging Face 与宾夕法尼亚大学合作开发了 LitPivot 系统,帮助研究者在早期想法阶段围绕文献展开"文献触发式转向"。LitPivot 将提案拆分为问题、贡献与评估方案三个 facet,用 Asta Paper Finder 检索相关文献并分组,提供带原文摘录的批评与修改建议,研究者可接受、编辑或拒绝。
OpenAI 通过可靠的多租户架构、全球缓存和 Azure Cosmos DB 扩展了 Habitat 存储系统,使 ChatGPT 读取速度提升 12×。该在线存储架构用于支撑超过 10 亿 ChatGPT 用户。
Hugging Face 推出 torch-neuronx model support Space,可查询 Hub 上热门模型能否不修改即在 AWS Trainium 上运行,并提供可复现的运行脚本。
OpenAI 与波兰 NASK 建立合作伙伴关系,共同推进 AI 安全、安保和技术研究。该合作旨在强化安全防护措施,支持构建更具韧性的数字生态系统。
NVIDIA CEO 黄仁勋访问哈萨克斯坦,推动当地 AI 算力建设。Firebird 签署协议引入 45,000 块 NVIDIA Grace Blackwell GPU,预计 2027 年第三季度商用,规划容量约 500 兆瓦。NVIDIA 宣布投资 Higgsfield AI,Kazakhtelecom 明年将部署超 1,000 块 NVIDIA Vera Rubin GPU。
Anima 借助 GPT-6 和 GPT-Live 帮助诊所将电话等待时间缩短 75%。护理团队借此扩展了服务能力,获得更多容量来回应患者。
Amazon SageMaker AI 的 serverless 模型定制推出 training session APIs,把 forward_backward()、optim_step()、sample() 等 GPU 操作封装为 API 调用,模型常驻托管 GPU,服务负责分布式执行、梯度同步、容错与检查点,训练循环由用户在本地 Python 进程中编写。
推荐理由:原文把新 API 与 SageMaker 现有模型定制方案逐项对比,并给出可迁移的 GRPO 训练循环写法,读者可套用自己的奖励函数。
AWS 宣布 Amazon SageMaker AI 无服务器模型定制的训练会话正式可用,用户自己编写并协调后训练循环(含自定义损失函数和奖励信号),由 SageMaker AI 负责 GPU 分配、分布式执行、故障恢复与检查点存储。
同一新闻,精选展示《使用 Amazon SageMaker training session APIs 编写自定义训练循环,无需管理 GPU》
Amazon Polly 生成式引擎升级,提供更自然、更准确且低延迟的语音输出,新增覆盖 9 个地区的 14 个语音,印地语和芬兰语生成式语音首次正式可用。这是现有生成式语音的原地升级,语音名和 API 调用不变,已有应用无需改代码,价格也保持不变。升级后目录共 57 个生成式语音,覆盖 11 种语言、25 个地区,可用区扩展至 11 个 AWS Region。
推荐理由:原文给出语音数量、语言覆盖和免改代码的替换式升级方式,读者可据此评估迁移成本与适用场景。
Microsoft Research 发布 Flint-interactive,一种用于创建交互式数据可视化的语言,让 Agent 和用户通过高阶语义事件与更新算子定义交互,无需编写底层可视化代码。Flint 编译器负责处理交互逻辑与视觉依赖,用户可在聊天中经 Flint-MCP 让 Agent 生成可交互图表,也可用编程 API 构建仪表盘、数据故事和定制交互。
推荐理由:原文把交互图表生成难点归为缺乏高阶描述语言,并给出语义事件与更新算子的设计思路,可迁移到其他 Agent 生成场景。
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。
该方案将 82M 参数的 TTS 模型 Kokoro-82M 以自定义容器部署到 Amazon SageMaker AI 实时端点,用实测数据替代猜测的自动扩缩容目标。
Uber 与 OpenAI 合作,向超过 30,000 名员工推出 ChatGPT Work。该工具将帮助团队进行研究、分析数据、创建演示文稿并完成复杂工作流程。
AI2 在 Hugging Face 发布 OlmoEarth v1.3 卫星嵌入模型,同时开放全球预计算嵌入(10m 分辨率、64 与 128 维)及浏览器工具 Embeddings Explorer,无需登录或 GPU 即可使用。
推荐理由:原文给出 27 项评测的横向对比、训练成本与开放入口,读者可据此判断卫星嵌入能否替代现有微调流程。
NVIDIA 发布 AIOps 平台 Minerva,为 AI 工厂提供端到端可观测性。该平台汇聚基础设施与 AI 工作负载的遥测数据,构建动态知识图谱,每小时分析数十亿数据点以检测异常、预测故障并定位根因。
Google DeepMind 联合 Google Research、WRI 和 IIASA 发布 Forest Typology (ForTy) 2020 全球地图,把地球上每个 10×10 米地块划入六类森林或土地类型,并同步公开 2017-2025 年逐年变化的时间序列。
推荐理由:ForTy 把森林细分为六类并追踪逐年变化,让 EUDR 合规和供应链审计有了可直接使用的 10 米级基线数据。
OpenAI 阐释了 Forward Deployed Engineering(FDE)的含义,说明这一概念在 OpenAI 的具体所指。
NVIDIA 开放模型正支撑欧洲多国公共部门项目,让政府在受控基础设施上运行 AI 并保留数据主权。
欧洲多家机构正部署 NVIDIA Earth-2 开放模型,将 AI 天气预测用于气旋风险、空气质量与太阳能发电等实际场景。最新加入 Earth-2 的 StormScope EU 是面向欧洲的短期预报模型,基于 EUMETSAT 卫星观测在 16 个 Meteosat 通道上以 10 分钟间隔预测云况演变。
欧洲零售商正借助 NVIDIA 加速的开源模型与物理 AI,升级从数字发现到实体运营的各个环节。Shopify 后训练的 Nemotron 3.5 Lightning 以 90% 的成本降幅和 7 倍的响应速度超越前沿模型。L'Oréal 与 Otto Group 等企业也利用 Omniverse 等技术加速研发与仓储模拟。
全球企业正采用 NVIDIA DSX AI 工厂平台,将电网与 AI 工厂作为统一系统规划和运行,以打破电力瓶颈。该平台通过 DSX Sim、DSX Flex 等组件实现联合仿真与需求同步,优化跨系统能耗。GE Vernova、Hitachi Energy 等合作伙伴正推进相关电力与散热方案,Phaidra 借此在同一电力包络内提升约 10% 算力。
NVIDIA 扩展 Cosmos 平台,新增训练工具、仿真检查点和 Cosmos Data Factory 蓝图,帮助物理 AI 开发者构建、评估和部署世界模型。
推荐理由:原文把数据、训练到部署各环节的工具与落地案例写得较具体,读者可据此评估其中哪些方法能迁移到自己的世界模型开发流程。
在 GTC Berlin 上,欧洲多家银行与支付公司正基于 NVIDIA 加速计算与开放权重模型,在自有基础设施上构建专有智能。Revolut 的基础模型 PRAGMA 已投产并服务 8000 万初始客户,规划扩展 3 倍;bunq 的智能助手 Finn 部署于 Nebius,单次回答成本仅为领先闭源模型的 60%。
Cloudflare 使用 OpenAI Daybreak 调查安全漏洞并提出修复建议供审查,将漏洞发现与防御环节打通。其开发者同时使用 Codex 加快构建速度并提升代码质量。
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。
演示如何借助 AWS PrivateLink 支持的 VPC endpoints 与 VPC connections 将本地数据源私密接入 Amazon Quick,流量全程不经公网。
OpenAI 与分发合作伙伴协作,在 Usage Policies 中维持一致的防护措施、支持负责任的访问并明确相关预期,通过一致标准实现对其模型的广泛访问。
AWS 机器学习博客介绍自适应智能体框架 AAIF:以 llama3.2:1b 作为本地编排器,常规请求交给 Ollama 运行的本地小模型,复杂请求才路由到 Amazon Bedrock 云端模型,以降低 API 成本并保持低延迟。
AWS 演示在单台 trn2.48xlarge 实例(16 个 Trainium2 加速器、64 个逻辑 NeuronCore)上用 torchtitan 以三种方式训练 Qwen3。
OpenAI 提出一份赋能网络防御者的蓝图,主张以前沿 AI 提升网络防御能力。该蓝图同时涵盖更强安全防护、网络安全现代化以及更有韧性的公共机构建设。
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。
NVIDIA 推出预训练关系型基础模型 Kumo Relational,可直接对企业数据库做预测,无需任务特定训练、特征工程或表扁平化。它在 15 个数据库的 41 个任务上超越监督关系深度学习模型和专家构建的梯度提升树流水线,在 SAP SALT 基准上比 AutoGluon 集成的平均倒数排名高 8%。
推荐理由:原文给出 41 个任务上的对比数据,读者可据此判断关系型数据基础模型能否替代现有 XGBoost 流水线。
AT&T 正与 OpenAI 合作,让法律知识更易获取。其 LegalEdge 团队正在重新思考受理流程,并推动法律判断力的规模化。