Shield 借助 OpenAI 帮技术人员交接遗留门户系统工作
Shield 利用 OpenAI 帮助 IT 技术人员交接遗留门户系统中的工作，其 Forge 智能体可自主操作这些系统，让技术人员专注于需要人工判断的问题。
全部 AI 动态
全部 AI 动态
今日 0 条11月14日
Amazon Bedrock AgentCore runtime 快速会话启动的架构模式
Amazon Bedrock AgentCore runtime 的 platformVersion "V2" 改为在创建或更新时一次性构建快照，新会话直接恢复快照，不再每次拉取容器镜像，会话启动更快更稳定。
在 Amazon Bedrock 上用 NVIDIA NeMo Switchyard 为编码智能体请求路由到合适的模型
NVIDIA NeMo Switchyard 是一个开源库，可让 AI 智能体为每个请求选择由哪个模型处理，其 LiteLLM 集成支持 Stage 路由（读取请求历史中的工具活动与结果，在两个候选模型间选择）和 Random 路由（按权重分流做 A/B 对比）。
GS Caltex 如何用 Amazon SageMaker Canvas 与 Pipelines 实现生产级 MLOps（第一部分）
GS Caltex 将 SageMaker Canvas 中由工艺工程师无代码构建并验证的模型，接入 SageMaker Pipelines 的生产工作流，实现每 30 分钟一次的批量推理。
Google 在 Antigravity 中开放 /teamwork 多智能体工作流
Google 将 Antigravity 的 /teamwork 多智能体工作流连同 /boost 和 Deep Review 向外部研究者与开发者开放，可配合 Gemini 4 Argon、Carbon、Hydrogen 使用。
AssemblyAI 如何用 Amazon EC2 Spot 优化 AWS 上的语音转文字推理成本
AssemblyAI 在 AWS 上以 Amazon ECS 结合 EC2 Spot 与 On-Demand 混合的 GPU 集群运行语音转文字推理，通过 Amazon SQS 队列重试机制吸收 Spot 中断，在维持 SLA 的同时显著降低成本。
OpenFold3 上线 Amazon SageMaker JumpStart，可预测生物分子结构
OpenFold3-preview 已在 Amazon SageMaker JumpStart 上线，可在自有 AWS 账户中预测蛋白质、DNA、RNA、小分子配体及其复合物的 3D 结构。
XYBench：测试 AI 助手能否识别用户问题背后的错误假设
Hugging Face 发布 XYBench，一个包含 8K+ 问题的基准，用于测试 AI 助手能否识别用户提问中的错误假设（XY 问题）并引导至真实目标，该基准获 EMNLP 2026 最佳资源论文奖。
用 SimReady 资产在 Isaac Sim 中搭建机器人抓取放置仿真
Hugging Face 发布教程，演示如何用 SimReady Central 上的 UR17G 机械臂、Robotiq 2F-140 夹爪和饮料罐资产，在 Isaac Sim 6.2 中组装场景并完成抓取放置任务。
用 Amazon SageMaker HyperPod Data Capture 构建模型改进飞轮
Amazon SageMaker HyperPod 新增 Data Capture 能力，可在端点、负载均衡器和模型 Pod 三个独立层级把线上推理输入输出记录到 Amazon S3，对模型可用性零影响。文章以 Qwen2.5-3B-Instruct 家电客服路由模型为例，用 Athena 查询发现新产品盲区、SQL 策略打标后微调，并在部署后新增数据上对比前后准确率。
Amazon Bedrock 如何实现 AI 开发与生产力工具的成本归因与管控
Amazon Bedrock 提供零埋点的成本归因能力，把每次推理调用追溯到发起调用的 IAM 主体，并将身份与组织标签写入 CUR 2.0 和 Cost Explorer。
OpenAI 推出 ChatGPT Wallet
OpenAI 推出 ChatGPT Wallet，为 ChatGPT Work、Codex 和 dots 中的智能体提供安全的支付方式，可在用户批准下完成购买，并沿用现有银行卡保护机制。
11月13日
llama.cpp 与 ggml 发布 v1.0.0，确立语义化版本规则
llama.cpp 与 ggml 发布 v1.0.0，并明确此后公共 C API 的破坏性变更将以主版本号提升来体现。项目方称 llama.cpp 目前支持超过 150 种模型架构以及所有主流投机解码方法，并已通过 Docker、Homebrew、conda-forge、MacPorts、Winget、XCFramework 等渠道分发。
NVIDIA 如何用 AI 帮护理团队让患者更早获得正确治疗
Dyania Health 的临床推理引擎 Synapsis AI 在 NVIDIA 加速计算上运行，可跨患者数十年病历中的自由文本笔记、报告和化验结果串联线索，输出可溯源到原始记录的临床信号。
Amplitude 如何借助 OpenAI 在 1–2 天内交付产品改进
Amplitude 主要基于 OpenAI 模型构建主动式产品智能体 Wave，可识别该做什么、协助团队用编码智能体交付改动并衡量影响，从而在 1–2 天内完成产品改进。
Gondola 借助 Codex 实现营收翻倍，团队效率大幅提升
Gondola 借助 Codex 将首席工程师产出提升 50%，并实现营收翻倍，ChatGPT 则简化了日常工作流程。
AWS 在 Trainium 上推出 SGLang-Neuron
Amazon 宣布 SGLang-Neuron 通过 AWS Deep Learning Container 公开可用，由 RadixArk 与 Annapurna Labs 合作发布，可在 Trainium 上用现有 SGLang 接口服务模型并生成 RL rollout。
一次构建、多智能体通用：Agent 技能实践指南
GitHub 发布 Agent 技能实践指南，说明技能是以 SKILL.md 为核心的版本化目录，用于记录可重复任务的执行方式，并可跨智能体共享。文中以 Proof Agent 和 Data Forge 为例，展示多个技能如何通过 manifest 共享项目上下文、统一数据平台访问路径，并在七个阶段各设人工检查点。
Microsoft Research Focus 第 98 期：AI 通用翻译、31 年数学难题与编码智能体效率
Microsoft Research Focus 第 98 期聚焦多项研究进展：AI 语音翻译推动通用翻译落地，新研究解决了高维几何领域悬置 31 年的 KLS 猜想，其证明已通过计算机辅助形式化验证。
影响 Amazon Bedrock 成本的四个推理选项
Amazon Bedrock 的缓存时长、服务层级、推理强度和 maxTokens 四项请求级设置会在不改模型和提示词的情况下影响推理成本。以 Claude Sonnet 5 和 Claude Opus 5 为例，5 分钟缓存写入按输入价 1.25 倍计费、1 小时写入 2 倍、缓存读取 0.1 倍，1 小时缓存需每小时至少 3 次请求才划算。
Natera 如何用 Amazon Bedrock AgentCore 构建实验室运维智能体系统 SWARM
Natera 基于 Amazon Bedrock AgentCore 构建了实验室运维智能体系统 SWARM，将支持工单首次响应时间提升约 130 倍，自动化覆盖率达 96.2%。
Amplitude 如何借助 OpenAI 在 1–2 天内交付产品改进
Amplitude 主要基于 OpenAI 模型构建主动式产品智能体 Wave，可识别该做什么、协助团队用编码智能体交付改动并衡量影响，从而在 1–2 天内完成产品改进。
IBM 在 Granite 4.1 3B 和 8B 上发布 LLMON 标记语言预览模型
IBM 在 Hugging Face 发布 granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview 两个实验性预览模型，基于 Granite 4.1 base 训练，可读写 LLMON（LLM Object Notation）标记文本。
Google DeepMind 发布 Gemini 4 Hydrogen 模型
Google DeepMind 发布 Gemini 4 Hydrogen，面向日常编码与智能体工作流，在默认 high 思考级别下以 51 分超过 Argon 的 50 分，xhigh 级别可达 54 分。
Amazon Bedrock AgentCore runtime 更新：会话启动快 15 倍、算力扩至 4 倍
AWS 发布下一代 Amazon Bedrock AgentCore runtime，每个会话仍运行在独立的 Firecracker MicroVM 中，会话启动最高快 15 倍、算力规模扩至 4 倍、运行效率提升最高 68%。
用 Amazon Bedrock 和 LiteLLM 构建自助式 LLM 网关
AWS 展示了一套基于 Amazon Bedrock Application Inference Profiles 与 LiteLLM 的自助式 LLM 网关方案，将 Bedrock 封装为 OpenAI 兼容 API，开发者用单一 base URL 和专属 API key 即可接入 Claude Sonnet、Claude Haiku 等模型。
在 Amazon Bedrock 上优化单任务成本并证明智能体 ROI
AWS 提出以“单任务成本”而非“单 token 价格”衡量 Amazon Bedrock 上的智能体开销，并给出缓存、路由、输出约束等降本手段。示例中列表价高 2 倍的 Model B 因 tokenizer 更省、输出更精简、单轮完成，单任务成本为 $0.00145，比 Model A 的 $0.0042 低 65%。文章还给出以人工基线、留出实验和五维记分卡衡量智能体 ROI 的方法。
用 CUR 2.0 和 AWS Budgets 按 IAM 主体追踪并限制 Amazon Bedrock 支出
AWS 给出无需自写代码的方案，按 IAM 主体追踪并限制 Amazon Bedrock 生成式 AI 支出：Bedrock 自动记录每次推理请求的 IAM 用户或角色身份，配合 principal tags 或会话标签区分共享角色下的具体用户。
从原型到生产：用 Agent DLC 工程化 AI 智能体
AWS 提出 Agent Development Lifecycle（Agent DLC），用一个生命周期、两个循环和统一验收标准来判定智能体的每次变更是否可上线。
Amazon Bedrock Managed Knowledge Base 工具的细粒度访问控制方案
针对智能体代用户检索内部文档时的越权风险，该方案在 Amazon Bedrock AgentCore Gateway 工具层用请求拦截器从已验证 JWT 中注入 userContext，再由 Managed Knowledge Base 的 ACL awareness 按用户权限过滤文档。
在 AWS 上用 A2A 构建可组合、可互操作的多智能体系统
AWS 发布基于 A2A 协议的多智能体参考架构，让 LangChain 企业编排器与 Strands Agents 构建的 SaaS 合规智能体跨 AWS 账户、跨组织边界协作，双方不依赖对方框架或 SDK 且不共享密钥。
用编码智能体迁移到 Amazon Bedrock Managed Knowledge Base
Agent Toolkit for AWS 的 amazon-bedrock 技能新增知识库迁移指南，让编码智能体先做只读发现并给出逐行审阅的迁移计划，获批后并行创建新知识库与数据源，或生成 IaC 模板。
11月12日
Hugging Face 发布 TRELLIS.2 3D 生成模型微调指南
Hugging Face 发布 TRELLIS.2 3D 生成模型的微调脚本与容器，可在本地或 Hugging Face Jobs 上运行。方案用 PEFT 库为稀疏结构流 DiT 和形状流 DiT 添加 LoRA 适配器，冻结材质生成阶段，在 GSO 数据集 188 个鞋类对象上改善鞋底几何精度。
《战锤 40,000：战争黎明 IV》将登陆 GeForce NOW，DLSS 5 支持《战争雷霆》与《燕云十六声》
《战锤 40,000：战争黎明 IV》将于 12 月 3 日登陆 Steam 并加入 GeForce NOW，含 70 多个战役任务及 Last Stand、Skirmish 和多人模式。
OpenAI 投入 200 万美元支持 AI 与儿童安全研究
OpenAI 承诺投入 200 万美元用于 AI 与儿童安全研究，支持共享工具以衡量 AI 对青少年带来的风险与机会。
Holiday Extras 借助 Codex 重新思考能构建什么
Holiday Extras 正用 Codex 将客户专业知识转化为更好的应用、更高的预订转化率以及新的增长可能。
在 Amazon SageMaker HyperPod 上检测并恢复静默数据损坏
Amazon SageMaker HyperPod 通过在 PyTorch DDP 训练循环中加入三项检查来检测静默数据损坏（SDC）：非有限梯度检查捕获 NaN/Inf，环形重放审计比对另一节点重算的 loss 与梯度指纹，权重指纹比对发现优化器步骤与存储权重中的损坏。
用反合一（anti-unification）对形式化策略做语义 diff
开源引擎用反合一（anti-unification）在 e-graph 上计算两条形式化策略的最具体公共模式，把相同部分只展示一次、差异部分并列保留，从而过滤掉重排合取项、等价谓词等语法噪声。
OpenAI Codex 如何通过 Amazon Bedrock 接入企业 AWS 环境
OpenAI Codex 可通过 Amazon Bedrock 调用 GPT-5.6 Sol 等模型完成推理，同时沿用企业现有的 AWS IAM、区域和可观测性体系。
用 Amazon Bedrock 和 Spring AI 构建自主 AI 智能体
Java 团队可借助 Spring AI 与 Amazon Bedrock AgentCore 构建自主 AI 智能体，实现规划、工具调用与多轮对话记忆。文中给出两个示例系统：单一智能体旅行助手演示工具调用与记忆，多智能体智能文档处理（IDP）系统由 Lawyer、Mortgage、Insurance、Tax、General 五个专家智能体配合规则引擎与告警运行。