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。
教程实践
全部主题拿来就能用的实操内容：提示词技巧、工作流搭建、工具用法与踩坑经验。
最新精选
第 1–12 条 · 共 12 条AWS Machine Learning Blog精选AI 评分6666
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 Blog精选AI 评分6363 在 Amazon Bedrock AgentCore Runtime Instances 上构建多智能体音乐制作流水线
AWS 发布教程，演示如何在 Amazon Bedrock AgentCore Runtime Instances 上用三个智能体搭建音乐制作流水线。
推荐理由：原文给出三个智能体共用同一 GPU 实例与共享卷的完整代码和运行数据，可作为长时多智能体流水线的部署参考。
GitHub Blog · AI & ML精选AI 评分9090 GitHub Copilot 用智能体将运行时迁移到 Rust，生产代码超 800,000 行
GitHub 用 Copilot 智能体把 Copilot 运行时从 TypeScript 重写为超过 800,000 行生产级 Rust，分布在 128 个 PR 中并增量上线。
推荐理由：文章复盘了用 AI 智能体把大型 TypeScript 运行时原地迁移到 Rust 的做法，可供大规模智能体重构参考。
NVIDIA Blog精选AI 评分6060 费城儿童医院如何用 NVIDIA 开源 AI 做儿童心脏建模
费城儿童医院（CHOP）基于 NVIDIA 参与发起的开源医学影像框架 MONAI，把儿童心脏三维建模从熟练研究者 4 小时的工时缩短到几秒。这套心脏建模服务读取诊疗已有的 CT、MRI 和 3D 超声影像生成解剖精确模型，美国已有 20 多家儿童医院运行心脏建模项目，波士顿儿童医院每年约 500 例心脏手术借助建模。
推荐理由：案例呈现开源医学影像工具把儿童心脏建模从数小时缩短到秒级的落地过程，可了解开源协作在小众临床场景的做法。
Hugging Face Blog精选AI 评分6464 在 HF Jobs 上跑 Async GRPO + LoRA：一个 bucket、一个 proxy、不依赖 NCCL
TRL v1.14 的 AsyncGRPOTrainer 新增 LoRA 支持，rank-1 适配器只有几 MB，经 HF Jobs 的 Storage Bucket 即可同步到 vLLM，避免在节点间搬运 3 GB 整模型。
推荐理由：把训练与推理拆到独立机器上的可复用方案与逐轮瓶颈定位方法，对搭异步 RL 流水线的读者有直接参考价值。
Hugging Face Blog精选AI 评分6565 用 Gradio Workflow 重建 AUTOMATIC1111 媒体管线
Gradio 团队用 73 个节点、11 条媒体管线在 Workflow1111 中复刻了 AUTOMATIC1111 的核心功能集，涵盖文生图、高清修复、图生图、提示词矩阵、VLM 反推、检测生成 inpaint 掩码、ControlNet 预处理器、背景移除、PNG Info 与图生视频。
推荐理由：原文以 73 节点重建 AUTOMATIC1111 为例，展示 gr.Workflow 在多模型编排上与 ComfyUI 的差异，以及每个输出自动成为 REST 端点和 MCP 工具的能力。
Mistral AI精选AI 评分6060 Mistral 用 AI 智能体把 4 万行 Fortran 77 迁移到 C++
Mistral 帮一家欧洲能源运营商把 4 万行 Fortran 77 迁移到 C++，这是这套 30 万行油藏模拟器代码现代化的第一阶段。迁移前先搭好数值对齐校验（parity harness），再用 Vibe CLI 调度上百个智能体、配合 Mistral OCR 按调用树自下而上生成文档并提交 PR。
推荐理由：案例给出了可迁移的落地做法，先用数值对齐校验再迁移，并用人工审查关卡平衡智能体自主度。
Hugging Face Blog精选AI 评分6262 Sentence Transformers v6.0 新增 MultiVectorEncoder：多向量嵌入模型训练与微调实践
Sentence Transformers v6.0 引入第四类模型 MultiVectorEncoder，用于 ColBERT 风格的 late interaction 检索，并提供了完整的训练流程。
推荐理由：给出了从数据集、损失函数到评估器的完整多向量检索模型训练脚本，并提供在单卡消费级 GPU 上的实测效果对比，可直接迁移到自有领域数据上做检索微调。
Hugging Face Blog精选AI 评分7272 Sentence Transformers v6.0 教程：使用多向量（late interaction）嵌入模型
sentence-transformers v6.0 新增 MultiVectorEncoder 作为第四类模型，原生支持 PyLate、Stanford-NLP ColBERT 和 colpali-engine 检查点沿用同一套 API 加载。
推荐理由：原文给出从加载、MaxSim 打分到多种向量库落地的完整可运行代码，读者可对照把现有检索管线迁到 late interaction。
Google DeepMind精选AI 评分6262 Google DeepMind 的 Co-Scientist 加速逆转细胞衰老的基因线索发现
Google DeepMind 的 Co-Scientist 被用于衰老研究，帮助实验室生成逆转细胞衰老的候选基因线索，并加速筛选数据分析。研究团队让它检索文献时，它扫描了数万篇论文并提出 20 多个新的候选基因因子，实验室验证了其中几个能把细胞推向更年轻、整体功能更好的状态。此外，原本可能需要长达六个月的筛选数据分析工作，借助 Co-Scientist 缩短到几天。
推荐理由：原文记录了 Co-Scientist 在衰老研究中的两处具体用法，并给出实验验证与耗时对比，读者可了解 AI 如何介入生物发现流程。
Google DeepMind精选AI 评分7474 WeatherNext 如何帮助美国国家飓风中心提前预测飓风 Melissa 登陆牙买加
Google DeepMind 与 Google Research 的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天预测飓风 Melissa 将以五级强度登陆牙买加，当时置信度 80%，三天前升至接近 100%。
推荐理由：借飓风 Melissa 登陆牙买加的实例，说明 AI 天气模型如何同时预测路径与强度，并给出五天提前量的决策意义。