用 Amazon Bedrock AgentCore 构建 AI 智能体的生产级评估框架
AWS 销售运营团队基于 Amazon Bedrock AgentCore Evaluations 构建了面向生产环境的 AI 智能体持续评估框架，联动 Bedrock Guardrails、CloudWatch、S3、Redshift、Quick 与 Lambda 实现回答准确性的持续度量与根因追溯。
#Agent
#Agent
今日 0 条AWS Machine Learning BlogAI 评分3737 OpenAI NewsAI 评分2424 Stack Overflow for Agents 借助 ChatGPT plugin 实现注册量三倍增长
两位工程师借助 Codex 在数周内搭建出 Stack Overflow for Agents。其 ChatGPT plugin 上线后带动平台 agent 创建量增长达 10 倍，注册用户数同步增至三倍。
Google ResearchAI 评分5454 Google Research 发布 AI 智能体驱动自主湿实验室的三大研究进展
Google Research 发布三项将 AI 智能体与湿实验室物理执行闭环结合的研究。VERID 框架基于开源 PyLabRobot，为液体处理机器人提供 3D 数字孪生。
AWS Machine Learning BlogAI 评分5555 Reflection AI 开源权重编码模型 Beam 登陆 AWS SageMaker
Reflection AI 发布开源权重模型 Beam，主打智能体编码与长链路任务，已在 AWS SageMaker JumpStart 美东两区上线。Beam 是稀疏 MoE 架构，总参数量 501B、激活参数 23B，有效上下文 1M tokens；权重以 Apache 2.0 协议开源至 Hugging Face，提供 BF16、FP8、NVFP4 三种检查点。
Hugging Face Blog精选AI 评分6868 Reflection 开源 501B 参数 MoE 模型 Beam
Reflection 在 Hugging Face 上开源了 501B 参数的 MoE 大语言模型 Beam，每 token 激活 23B 参数，支持 1M 上下文窗口，许可证为 Apache 2.0。
推荐理由：文章把 501B 开源 MoE 模型的推理部署与 SFT/RL 后训练做法写成可复用的工程方案，适合计划自托管前沿模型的团队对照。
Hugging Face Blog精选AI 评分8484 Meta 开源多模态 MoE 模型 Muse Spark Open，总参数约 816B、每 token 激活约 42B
Meta 发布开源多模态 MoE 模型 Muse Spark Open，总参数约 816B、每 token 激活约 42B，输入支持文本、图像、音频和视频，上下文窗口可达 1M tokens。
推荐理由：原文覆盖了 transformers、llama.cpp、vLLM 等推理后端的部署示例和 TRL LoRA 微调流程，读者可以直接复用这些方案。
Google DeepMindAI 评分4444 用 Google Antigravity 加速抗菌肽的发现
Google Antigravity 平台帮助研究人员发现了一种针对呼吸道感染病原体（似肺炎链球菌）的新型抗菌肽候选物，该候选物正在进行湿实验验证。平台借助 ProtNLM 模型预测 UniProt 中数百万未表征蛋白的功能注释，并内嵌 Biomolecular Structure Viewer 实现 3D 结构与文献的协同检索，将原本分散在多数据库的搜索流程压缩为单一会话。
AWS Machine Learning BlogAI 评分4848 AWS 提出 Trust in Depth 框架：在不失控的前提下赋予 AI 智能体更多自主权
AWS 提出 Trust in Depth 框架，通过 Scope、Know、Bound、Observe 四个生命周期层为 AI 智能体建立可验证的信任，避免全程依赖人工审批。
NVIDIA Blog精选AI 评分7070 NVIDIA 扩展 Nemotron 模型家族，推出 Super VL 与 Bolt 系列覆盖数据中心到端侧
NVIDIA 发布 Nemotron 3.5 Super VL（120B 参数）开放模型，主打多模态智能体任务，并推出 Bolt 74B-A9B 24GB 与 Bolt E4B 4GB 两款端侧模型。
推荐理由：原文给出 Super VL 在参数量和吞吐量上的同档对比，以及从数据中心到端侧的全家族覆盖定位，可帮助判断 Nemotron 在开放模型生态中的角色。
NVIDIA BlogAI 评分3434 北欧与 NVIDIA 展示区域全力投入先进计算的成果
NVIDIA 与北欧正共建欧洲增长最快的先进计算生态之一，该地区 AI 云算力预计 2027 年底前部署达 1 吉瓦。
OpenAI NewsAI 评分1717 Amp 借助 OpenAI 模型拓展 AI 智能体在代码之外的应用
Amp 借助 GPT-6 Astra、Ultrafast、GPT-Live-1 等 OpenAI 模型，将 AI 智能体的能力从代码场景拓展到更广泛任务，并集成 Sign in with ChatGPT 登录方式。
AWS Machine Learning BlogAI 评分3333 使用 Amazon Bedrock AgentCore 构建可自改进的文档处理系统
AWS 博客演示如何用 Amazon Bedrock AgentCore 构建可自改进的文档处理系统，8 个 Agent 协作的多智能体方案通常可在 20 分钟内部署。
Google ResearchAI 评分5353 Google Research@ 2026：展示覆盖医疗、地理与芯片的 10 项研究进展
Google 在 Mountain View 举办的 Research@ 2026 上集中展示了覆盖医疗、地球科学、边缘芯片等方向的 10 项研究进展。
Google Research精选AI 评分6767 Google Research 发布 Deep Review 智能体系统用于技术文档审查
Google Research 公开上线 Deep Review，这是一款基于 Gemini 4 Argon 的智能体系统，用于对长篇技术文档进行严格验证与反馈。
推荐理由：原文给出四阶段智能体流水线如何拆解长文档审查任务的具体机制，可作为处理同行评审瓶颈的可迁移设计参考。
Google ResearchAI 评分5252 Google 发布 Earth AI 地理空间推理智能体更新，附新基准与早期访问扩展
Google 发布 Earth AI 地理空间推理智能体的更新，配套技术报告显示接入专业工具与加前期规划可显著提升空间任务表现。报告基于 Gemini 3.8 Flash 和 Gemini 3.1 Pro，在 GeoKTools、GeoExpertQueries、CBGB、UnivEARTH 四个基准上对比通用大模型与带前期规划的完整智能体。
OpenAI NewsAI 评分2525 Third Moment Research 如何同时运行 10,000 个智能体达 36 小时以上
AI 实验室 Third Moment Research 利用 GPT-6 Astra、GPT-6.1 Sol、Codex 和网络安全工具 Daybreak 构建智能体，能同时让 10,000 个智能体连续运行 36 小时以上。这些智能体可专注任务数日，并在使用过程中不断改进。
AWS Machine Learning BlogAI 评分2424 Tamnoon 如何基于 Amazon Bedrock 构建 AI 云安全修复方案
Tamnoon 基于 Amazon Bedrock 构建 AI 云安全修复智能体 Tami，90 天内将关键云风险敞口降低逾 90% 且零生产事故。
AWS Machine Learning BlogAI 评分3333 用 Amazon Bedrock AgentCore 自动生成演示文稿
AWS 技术博客演示了基于 Amazon Bedrock AgentCore 的 AI 智能体方案，可将企业文档自动转化为 PowerPoint 演示文稿，内部测试全程低于 90 秒。
OpenAI NewsAI 评分2626 欧盟 AI 的下一阶段是智能体
一项新分析显示，agentic AI 在欧盟企业与中小企业中的采用率持续增长。文章指出，当前部署仍以浅层应用为主，若在更多业务环节深入使用，有望为欧盟释放更大价值。
NVIDIA BlogAI 评分3333 欧洲多座城市部署 NVIDIA 驱动的 AI 智能体以优化城市运营
欧洲多座城市正部署 NVIDIA 驱动的 AI 智能体用于城市运营。法国科多尔省联合 Akila、ThinkDeep 基于 Nemotron、Omniverse 覆盖 500 栋公共建筑，将文档搜索从数周缩短至数分钟，整体运营成本下降 10%、目标 30%。相关项目还延伸至英国、意大利、比利时及瑞典多座城市。
NVIDIA BlogAI 评分4747 NVIDIA 宣布对英国创业生态系统的最新投资
NVIDIA 宣布新一轮投资英国 AI 初创公司 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane，分别聚焦生物分子建模、大型基础设施项目排期预测、AI 与物流算法自动优化、复杂疾病基础模型与量子实时纠错。NVIDIA 还承诺五年内向英国投入 2.5 亿美元算力，强化 agentic 安全与安全研究。
AWS Machine Learning BlogAI 评分4949 用 Anchor Browser 与 Amazon Bedrock AgentCore payments 构建可自主付费的 AI agent
Anchor Browser 集成 Amazon Bedrock AgentCore payments，让 AI agent 在遇到 HTTP 402 Payment Required 时可自动通过 x402 协议完成 API 与网页付费。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 4 Argon 模型，详解其安全防护机制
Google DeepMind 开始广泛推出 Gemini 4 Argon 模型，主打编码、金融、法律、网络安全和科学等领域的复杂推理能力。模型在端到端模拟网络攻击场景中解出全部 12 题（上代 5 题），并通过输入筛查、激活探针和连续监控三层实时防线进行防护，将越狱与生物危害请求的违规率较前代下降近一半。
推荐理由：列出 Argon 在攻防与生物领域的具体能力数据和三层防线机制，读者可据此评估高风险场景的使用边界。
Hugging Face Blog精选AI 评分6161 Liquid AI 发布 LFM2.5-24B-A2B 推理模型，总参 24B、激活 2B
Liquid AI 发布 LFM2.5-24B-A2B 推理模型，总参数 24B、激活 2B，主打端侧智能体与工具调用场景。
推荐理由：该模型以 2B 激活参数在多项工具调用基准上领先更大 MoE，为本地智能体部署提供了一份参数效率与端侧推理速度的参考。
AWS Machine Learning Blog精选AI 评分6666 在 Amazon Bedrock 上用 Grok 4.7 构建长任务代理
AWS 在 Amazon Bedrock 上线 xAI 的 Grok 4.7 模型，介绍构建长任务工具调用代理的方法并比较四个推理档位（low、medium、high、xhigh）的效果。
推荐理由：原文给出四个推理档位的实测准确率与 token 用量对照，读者可据此为自己的代理负载选择推理档位与监控策略。
AWS Machine Learning BlogAI 评分4040 ShipStation Global 如何基于 Amazon Bedrock AgentCore 构建 AI IT 帮助台 Deckhand
ShipStation Global 基于 Amazon Bedrock AgentCore 为 Slack 构建了 AI IT 帮助台 Agent "Deckhand"，上线后 3 个月内解决 97.5% 频道咨询并获得 96% 员工正面反馈。
AWS Machine Learning BlogAI 评分3333 Orca Security 基于 Amazon Bedrock 构建自然语言安全查询能力
Orca Security 与 AWS 合作在 Amazon Bedrock 上构建 Discovery AI，将自然语言问题转换为 Sonar 安全查询。该方案采用 RAG 加九阶段流水线架构，相比基线将查询成本降低 90%、输入 token 减少 93%、端到端延迟降低 75%，可日处理数千次查询、响应时间约 15 秒。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 4 Argon，主打复杂工程与科研任务
Gemini 4 Argon 今日全球上线，面向开发者、企业和 Google AI Ultra/Pro 订阅者通过 Gemini API、AI Studio、Gemini app 以及 Search 的 AI Mode 提供，Antigravity 中也已开放。
推荐理由：原文列出 Argon 在编码、量子化学、机器人等真实场景的可验证数字与基准排名，读者可以据此评估它在工程和科研任务中的实际能力。
NVIDIA Blog精选AI 评分6565 RTX Spark笔记本10月16日上市，NVIDIA公布本地AI软件生态更新
NVIDIA RTX Spark笔记本电脑将于10月16日（周五）正式发售，搭载最高128GB统一内存与1 petaflop AI算力，上周已与微软联合公布。
推荐理由：原文梳理了RTX Spark笔记本上市前后的本地AI软件生态，可看出端侧智能体所需的模型、沙箱与工具栈已大致就绪。
NVIDIA BlogAI 评分4343 NVIDIA 宣布对法国初创企业的新一轮投资
NVIDIA 宣布计划投资法国四家初创企业 Doctolib、Entalpic、Genesis AI 和 Pigment，分别聚焦医疗 AI、原子级材料工程、通用机器人与企业业务规划。
Microsoft ResearchAI 评分4242 Microsoft Research StudentSim：通过个性化学生模拟改进 AI 辅导
Microsoft Research 提出 StudentSim 研究系统，通过公开去标识化学习者记录训练个性化 AI 学生模拟器，用于在真实学员测试前评估和改进 AI 辅导模型。配套 StudentSimEval 基准覆盖国际象棋、二语英语写作与数学，沿行为保真度和指导响应度两个维度评估，在三个领域均优于现有基线。
OpenAI NewsAI 评分3131 Asana 借助 GPT-6.1 Sol 将浏览器智能体测试成本降低 76 倍
Asana 借助 GPT-6 Astra 在 Codex 中将其浏览器智能体测试成本降低 76 倍、速度提升 5 倍，以期为浏览器场景下的客户提供能力更强的模型。
AWS Machine Learning BlogAI 评分5050 Postman 如何在 Amazon Bedrock 上为 4000 万开发者运行 Agent Mode
Postman 与 AWS 联合发文，详解 Agent Mode 在 Amazon Bedrock 上服务 4000 万开发者时采用的工具动态筛选、schema 直接读取和上下文分层等工程模式。
OpenAI NewsAI 评分2323 Sophos 借助 OpenAI Daybreak 将威胁调查时间缩短 96%
Sophos 借助 OpenAI 的 Daybreak 模型将威胁调查时间缩短 96%，并可自动处理 52% 的 MDR 案件。OpenAI Daybreak 在加速威胁研判的同时，保留了人工监督环节，由安全分析师对关键判断进行把关。
Hugging Face Blog精选AI 评分6767 用 HuggingChat ML-intern 从一句 prompt 造出 6 个小模型
作者用 HuggingChat 中的 ML-intern 模式在几天内从零造出 6 个小模型，总计算开销约 103 美元；每个项目从一个自然语言 prompt 出发，由 ML-intern 规划预算、跑基线、训练并把模型与评测直接发布到 Hugging Face Hub。
推荐理由：原文给出了一套可复用的 ML-intern prompt 写法，包括 Verified facts 区块、先跑基线、带检查的冒烟测试和硬性支出上限，读者可直接套用到自己的项目里。
AWS Machine Learning BlogAI 评分5959 Amazon Bedrock AgentCore payments 实现按次付费推理：BlockRun 与 Incarna 集成实践
AWS 在博客中详解 Amazon Bedrock AgentCore payments 如何让 Incarna 的智能体通过 x402 协议按次向 BlockRun 付费获取模型推理。
AWS Machine Learning Blog精选AI 评分6868 Claude Haiku 5.5 上线 Amazon Bedrock，首次支持 effort controls
Claude Haiku 5.5 已在 Amazon Bedrock 和 Claude Platform on AWS 上线，定位为 Claude 5.5 系列中速度最快、最高效的型号。
推荐理由：对比了 Haiku 5.5 与 Opus 5.5 的任务分工，并给出在 Bedrock 上调用与监控 Haiku 5.5 的代码示例。
NVIDIA Blog精选AI 评分7070 NVIDIA 与 Microsoft 联合推出 RTX Spark 与 Windows 版 DGX Station
在旧金山 Microsoft 活动上，NVIDIA CEO 黄仁勋与 Microsoft CEO 萨提亚·纳德拉共同发布 RTX Spark 和面向 Windows 的 DGX Station。
推荐理由：文章给出了 RTX Spark 和 Windows 版 DGX Station 的硬件规格与本地 AI 路径，读者可据此评估 Windows PC 运行大模型的真实门槛。
Microsoft Research精选AI 评分7070 微软研究院开源 Agent Lightning v1.0：约 3,500 行的轻量级 Agentic RL 训练框架
微软研究院开源 Agent Lightning v1.0：一套约 3,500 行的轻量级 Agentic RL 训练框架，主张用真实 harness 训练，复用部署侧 agent 循环接入 RL，无需重写 agent。
推荐理由：把训练与部署统一在同一套 agent harness 上，约 3,500 行代码加 6,000 条样本就让 Qwen3.5-9B 在 SWE-bench Verified 提升 14.6 个百分点，为低门槛复现 agent RL 提供了完整路径。
AWS Machine Learning BlogAI 评分4444 Cornerstone OnDemand 如何借助 Amazon Bedrock 将数据库诊断时间缩短 78%
Cornerstone OnDemand 基于 Amazon Bedrock 与 Strands Agents 构建多智能体系统 Orion AI，将数据库故障诊断时间从 45 分钟压缩到 10 分钟，缩短 78%。该系统由 3 人团队历时 6 个月交付，手动生命周期操作步骤从 10 多个降至 1 次交互，SRE 与数据团队间报告延迟由 15 分钟降至实时，冗余告警中位数减少 65%。