跳到正文

#部署/工程

今日 0 条

10月14日

星期三
  1. NVIDIA 宣布投资 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 等英国初创企业

    NVIDIA 宣布对 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 五家英国 AI 与量子计算初创企业进行新投资,此前已投资 Basecamp Research、Synthesia、Wayve 等公司。NVIDIA 还以全球联盟创始合作伙伴身份加入 Earthshot Prize,并提供五年 2.5 亿美元算力承诺支持英国智能体安全与安保研究。

  2. Orca Security 基于 Amazon Bedrock 打造自然语言安全查询,查询成本降 90%

    Orca Security 与 AWS 合作在 Amazon Bedrock 上构建了自然语言查询智能体 Discovery AI,可将自然语言问题转换为 Sonar 查询。相比初始基线,查询成本降低 90%、输入 token 减少 93%、延迟降低 75%,目前每天处理数千次查询、响应时间 15 秒。该系统采用 RAG 加 schema 感知查询构建的九阶段流水线,按阶段分配不同基础模型。

  3. GitHub 如何用 ModernBERT 分类器实现更少噪声的密钥检测

    GitHub 公布其密钥检测新方案:用两阶段流水线替代此前基于 LLM 的流程,先由正则表达式生成候选,再由微调后的 ModernBERT 结合文件路径、变量名和上下文判断是否为真实凭证。相比旧 LLM 流水线,用户接受率提升 11.5%,推送后扫描中位执行时间降低 86%,服务成本节省超 98%,并使通用密钥检测得以扩展到推送保护环节。

10月13日

星期二

10月12日

星期一

10月10日

星期六

10月9日

星期五

10月8日

星期四
  1. Cornerstone OnDemand 如何用 Amazon Bedrock 将数据库诊断时间缩短 78%

    Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建多智能体系统 Orion AI,将数据库诊断时间从 45 分钟降至 10 分钟,减少 78%。该系统还让数据库生命周期操作从 10 多个手动步骤压缩为 1 次交互,冗余告警中位数减少 65%,SRE 与数据团队间的 15 分钟报告延迟降为实时。三人团队用六个月完成交付。

  2. 如何为 agentic automation 构建商业案例:超越"节省工时"的 ROI 模型

    AWS 提出 Agentic Value Model,用于评估 agentic automation 的商业价值,指出传统"节省工时×人力成本−建设成本"的 RPA 时代 ROI 模型遗漏了异常处理、决策质量、变更韧性与价值实现等维度。该框架引用 McKinsey 的"1:3:5 模式",即每投入 1 美元 agentic 技术,需在流程重设计上花 3 美元、在能力建设与采纳上花 5 美元。

10月7日

星期三

10月6日

星期二
  1. GLM 5.3 上线 Amazon Bedrock

    Z.ai 的 GLM 5.3 已在 Amazon Bedrock 上线,这是一个 753B 参数的 MoE 模型,面向编码和长周期智能体任务,通过全托管 API 提供跨区域推理、提示词缓存和服务层级,目前面向符合条件的企业客户开放。

  2. 用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性与有用性

    Amazon Bedrock AgentCore Evaluations 支持内置与自定义评估器,可衡量多智能体系统的准确性、任务成功率和行为表现,并把可解释性作为一等评估维度。内置评估器覆盖有用性、任务成功、指令遵循等通用维度,自定义评估器则校验决策依据、数据引用与成本和服务水平等权衡。该能力支持按需模式用于开发基准与 CI/CD 门禁,在线模式用于生产持续监控与告警。