跳到正文
10月21日周三
  1. AWS Machine Learning Blog一手

    Amazon Quick与Amazon Bedrock AgentCore实现供应链对话式智能

    Amazon Quick与Amazon Bedrock AgentCore通过MCP协议将供应链业务系统转化为可对话的智能体工具,实现从检测中断、评估影响到生成紧急RFQ的全流程自动化。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文展示了Amazon Quick与Amazon Bedrock AgentCore如何通过MCP协议实现供应链跨系统对话,提供从检测到行动的全流程自动化,读者可直接获取部署思路和实际效果对比。

  2. Hugging Face Blog一手

    NVIDIA Cosmos3-H-Dreams:通过生成式模拟将临床手术带入现实

    NVIDIA发布Cosmos3-H-Dreams,这是一个基于临床乳腺切除术录像训练的实时生成手术模拟器。该模型利用Cosmos 3和FlashDreams库,在单张RTX PRO 6000 GPU上实现交互式视频生成,支持通过手术器械动作控制场景,展示了组织变形和器械外观的时序一致性。

    阅读原文 来源:Hugging Face Blog

    推荐理由Cosmos3-H-Dreams展示了在单张RTX PRO 6000 GPU上实时生成临床手术场景的能力,提供了从表格任务到临床手术的迁移路径,并开放了教师微调和蒸馏的完整配方,读者可据此评估其在手术机器人研究中的应用潜力。

  3. AWS Machine Learning Blog一手

    AWS 博客:通过 Smartsheet MCP 在 AWS 上实现 AI 代理的工作流上下文

    AWS 博客发布文章介绍 Smartsheet MCP Server 的一般可用性,文章详细阐述了该协议如何让 AI 代理通过标准化协议读写 Smartsheet 数据。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文提供了 Smartsheet MCP Server 的部署方式、Amazon Quick 和 Kiro 的集成路径,读者可以据此搭建 AI 代理访问 Smartsheet 数据的具体方案。

  4. The Decoder

    Sam Altman 报告称为 AI 安全提议三种结局:单一公司吞噬他人算力

    Sam Altman 内部报告称提出三种 AI 安全方案:第一种是建立类似国际原子能机构的组织强制执行安全标准;第二种是主要实验室合并或统一运营,向合作国家供应模型;第三种是单一开发者积累经济权力后囤积算力,可能关闭他人计算能力。文章提到 Altman 将第三种方案称为 "Eliezer Plan",并提及其与 Anthropic 的关联。

    阅读原文 来源:The Decoder
  5. The Decoder

    Mistral AI 发布 Voxtral 3 语音智能体技术栈

    Mistral AI 发布 Voxtral 3 语音智能体技术栈,包含语音转文字、文字转语音模型和 LiveKit 为基础的 SDK。转录支持 50 多种语言,语音输出支持 35 种语言和 50 种方言,具备情感适应功能。智能体可在对话中调用外部系统,用户可选择本地部署或 EU API,定价从每分钟 0.0035 美元起。

    阅读原文 来源:The Decoder
  6. AWS Machine Learning Blog一手

    AWS 发布从加拿大通过跨区域推理访问 OpenAI GPT-5.6、GPT-6、GPT-6.1 的技术指南

    AWS 宣布从加拿大 (Central) 和 Canada West (Calgary) 地区通过跨区域推理访问 OpenAI GPT-5.6、GPT-6、GPT-6.1 系列模型。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文提供了从加拿大通过跨区域推理访问 OpenAI GPT-5.6、GPT-6、GPT-6.1 的完整技术指南,包括模型定位、配额管理、权限设置及 API 调用示例,读者可直接用于部署和配置。

  7. AWS Machine Learning Blog一手

    Octave 在 Amazon Bedrock 上构建安全多租户 AI 基础设施

    Octave 利用 Amazon Bedrock 和 Cohere Embed v4 构建了支持 20 亿文档的多租户 AI 基础设施。系统在嵌入时统一处理文本和图像,通过 AgentCore runtime 在微 VM 层面实现租户隔离,并使用 Guardrails 进行内容过滤。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文展示了如何在多租户 SaaS 平台上用 Amazon Bedrock 构建安全的 AI 基础设施,提供了从数据准备、隔离到内容防护的完整技术路线,读者可直接学习其多模态嵌入、微服务隔离和 Guardrails 等实践方法。

  8. AWS Machine Learning Blog一手

    在 AWS 上使用 AtScale 和 Amazon Bedrock AgentCore 构建语义层以支持智能体 AI

    文章介绍了在 AWS 上使用 AtScale 语义层和 Amazon Bedrock AgentCore 构建智能体 AI 的完整流程。首先,文章说明了 AtScale 采用维度模型而非图模型,并使用开放的 Semantic Modeling Language(SML)定义模型,支持 SQL、XMLA 和 MCP 三种协议同时对外提供。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文展示了如何使用 AtScale 的语义层、Amazon Bedrock AgentCore 和 Semantic Modeling Language 构建统一的语义层,读者可学到模型定义、查询下推、身份传播和部署全流程。

  9. AWS Machine Learning Blog一手

    在 AWS 上使用 Strategy Mosaic 和 Amazon Bedrock AgentCore 构建 Agentic AI 语义层

    文章介绍了 Strategy Mosaic 作为语义层在 AWS 上为 Agentic AI 构建统一语义层的完整实现流程。Mosaic 通过两个链接模型(Purchase 模型覆盖 Amazon Redshift,Customer 模型覆盖 Amazon Aurora)实现跨源数据关联,无需 ETL。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文详细介绍了 Strategy Mosaic 语义层在 AWS 上为 Agentic AI 构建语义层的完整技术实现,涵盖了模型链接、指标定义、身份认证和跨源查询执行,读者可直接学习如何将语义层部署到 Bedrock AgentCore 并实现统一的安全与数据访问。

  10. AWS Machine Learning Blog一手

    基于Denodo和Amazon Bedrock AgentCore在AWS上构建智能体语义层

    原文介绍了在AWS上使用Denodo平台构建语义层,实现Amazon Aurora、Amazon Redshift和本地PostgreSQL数据的联邦查询。文章详细说明了如何通过Denodo Virtual DataPort创建基础视图、派生视图和度量视图,以及如何通过Model Context Protocol Server将语义层暴露给AgentCore托管的智能体。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文详细展示了如何在AWS上使用Denodo和Amazon Bedrock AgentCore构建语义层,实现跨多源数据的联邦查询和身份传递,读者可学到具体的MCP Server注册、查询下推和访问控制实现方法。

  11. AWS Machine Learning Blog一手

    Eon 利用 Amazon Bedrock AgentCore MCP Gateway 实现跨云调查工具统一访问

    Eon 利用 Amazon Bedrock AgentCore MCP Gateway 统一了跨云(AWS、GCP、Azure)的调查工具访问。该方案通过单一认证网关替代了每个工具的凭证和本地 MCP 进程,开发者和自治代理仅凭企业 SSO 即可在两分钟内访问数百种工具,此前需配置两天。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文展示了如何用 Amazon Bedrock AgentCore MCP Gateway 统一跨云工具访问,通过 Cedar 策略实现身份分离和最小权限控制,并将开发者和代理的入门时间从两天缩短至两分钟,提供了具体的技术实现路径和成果。

  12. AWS Machine Learning Blog一手

    AWS 发布利用 X.509 PKI 保障 AI Agent 身份的参考架构

    文章展示了利用 Keyfactor EJBCA 与 AWS 服务构建 AI Agent 身份认证的完整参考架构。该方案通过四种安全机制——签名请求封面、用户签名委托断言、RFC 8693 受众范围 Token 以及实时 OCSP 吊销检查——解决了多 Agent 系统中身份伪造、凭证重放和权限越权的问题。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文展示了利用 Keyfactor EJBCA 与 AWS 服务构建 AI Agent 身份认证的完整参考架构,提供了四种安全机制和三层信任边界的实现细节,读者可直接获取源码和部署思路。

  13. AWS Machine Learning Blog一手

    AWS Agent Registry 发布:运行时发现工具与智能体

    AWS Agent Registry 发布后,编排器可通过语义搜索在运行时发现并使用 MCP 服务器和 A2A 智能体,无需重新部署代码。文章给出了三个演示场景:订单状态查询(MCP 单一调用),定价与折扣(MCP + A2A 链),以及退款资格判断(语义匹配,查询中未明确提及退款相关词汇)。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文展示了 AWS Agent Registry 如何让编排器在运行时通过语义搜索发现并使用 MCP 服务器和 A2A 智能体,无需重新部署代码,并给出了三个具体的演示场景。

  14. TechCrunch · AI

    Electric Plant 发布 Bombadil 大语言模型,用于解读植物电信号

    Electric Plant 发布 Bombadil 大语言模型,专为解读植物电信号而设计,支持 125 种植物种类,可帮助种植者调整浇水和施肥,据称可提升产量并减少 20% 以上水资源使用。该模型基于约 11.2 美元的低成本传感器收集的数据训练而成,传感器通过穿透植物皮层连接微电压变化,结果通过云端处理后返回给用户。

    阅读原文 来源:TechCrunch · AI
  15. Hugging Face Blog一手

    Hugging Face ❤️ TorchTPU:TPU 原生支持

    Hugging Face 推出 TorchTPU,使 TPU 成为 PyTorch 的原生后端。用户可通过 device_map='tpu' 直接在 TPU 上加载并运行 Transformers 和 Diffusers 模型。

    阅读原文 来源:Hugging Face Blog

    推荐理由TorchTPU 让 TPU 成为 PyTorch 的原生后端,用户只需一行 device_map='tpu' 即可在 TPU 上运行 Transformers、Diffusers 等库,并提供分布式训练和编译加速等功能。

  16. Hugging Face Blog一手

    FairStress:深度评估 LLM 决策中的公平性

    FairStress 基准通过 1300 万测试用例揭示了模型在面对人口统计信息时决策的隐形不对称。实验发现,当证据支持某候选人时,模型在面对对抗性前缀时更倾向于放弃正确选择,以有利于少数群体候选人,表现出‘逆向过度修正’倾向。

    阅读原文 来源:Hugging Face Blog

    推荐理由FairStress 基准通过 1300 万测试用例揭示了模型在面对人口统计信息时决策的隐形不对称,提供了评估模型在面对对抗性论证时对不同群体偏好的细粒度洞察。

  17. Mistral AI一手

    Mistral AI 发布 Voxtral 3 语音模型与 SDK

    Mistral AI 发布 Voxtral 3,新增语音转写模型 Voxtral Small Transcribe 3 与语音合成模型 Voxtral Mini TTS 3,并提供实时语音代理 SDK。

    阅读原文 来源:Mistral AI

    推荐理由Voxtral 3 发布新一代语音模型和 SDK,提供跨 50 多语言的转写、语音合成及实时语音代理能力,支持 EU API 与自部署,具备低延迟和情感适应。

10月20日周二
  1. Hugging Face Blog一手

    ALTK-Evolve:学习记忆在不更新模型权重的情况下登上 τ²-bench 客服任务排行榜首位

    ALTK-Evolve 通过学习代理在 τ²-bench 任务中的尝试,将成功与失败提炼为简短的行为规则,并将其追加到系统提示词中。

    阅读原文 来源:Hugging Face Blog

    推荐理由原文展示了在不更新模型权重的情况下,通过学习到的指南针(learned guidelines)显著提升了基于 GPT-4.1 的客服智能体在 τ²-bench 零售领域的 Pass^4 从 57.5% 提升至 67.5%,并登上排行榜首位,这为提升 LLM 智能体可靠性提供了无需微调的有效方法。

  2. The Verge · AI

    Adobe Lightroom mobile 可一键修复合照闭眼问题

    Adobe Lightroom mobile 现可使用生成式 AI 一键修复合照中闭眼问题。该功能检测到人物闭眼后,会弹出“Open Eyes”快捷操作图标,并利用同一人物在相册中的其他照片作为参考,确保修复后的眼睛在光线、姿态、颜色、大小和形状上与原貌一致。免费版用户每张照片仅限尝试两次,需订阅 Adobe Creative Cloud 方可持续使用。

    阅读原文 来源:The Verge · AI
  3. TechCrunch · AI

    Eka获1.45亿美元融资,凭物理AI模型实现超人类操作

    Eka完成1.5亿美元融资,估值1.45亿美元。该公司展示了一款基于视觉-力-动作模型的机器人操作系统,能以95%可靠度每小时抓取1500个1公斤物体,并展现出类似人类的尝试与纠错行为。其核心突破在于通过力反馈而非仅依赖视觉实现精准抓取,并利用仿真生成海量机器人经验。目前正与工业客户进行保密试点,涉及拣选、摆放及线缆操作等任务。

    阅读原文 来源:TechCrunch · AI
  4. Hugging Face Blog一手

    Hugging Face 发布 AnyLanguageModel 1.0:Apple 平台本地模型统一 API

    Hugging Face 发布 AnyLanguageModel 1.0,提供统一的 Foundation Models API,支持在 Apple 平台上使用本地模型(via llama.cpp。

    阅读原文 来源:Hugging Face Blog

    推荐理由AnyLanguageModel 1.0 发布一年更新,提供跨平台统一 API,支持本地和 hosted 模型,并同步发布 swift-huggingface 1.0 和 swift-xet 1.0,帮助开发者在 Apple 平台上统一使用开源和商业模型。

  5. Hugging Face Blog一手

    PyTorch 2.15 发布:MPS FP8 支持、MoE 解码加速、Wan2.2 视频显存大幅压降

    PyTorch 2.15 发布,MPS 首次支持 FP8 低精度张量,存储空间仅为 BF16 一半。MoE 模型解码速度 5-6.5 倍提升,Qwen3.6-35B-A3B 在 M3 Ultra 上从 9.4 提升至 61.3 tokens/s。

    阅读原文 来源:Hugging Face Blog

    推荐理由PyTorch 2.15 发布 MPS FP8 支持、MoE 解码 5-6.5 倍加速、Wan2.2 视频 VAE 显存从 270 GiB 降至 8 GiB 等关键改进,读者可直接获知 Mac 本地 LLM 加速和显存优化的具体细节。

  6. NVIDIA Blog一手

    西班牙初创公司借助巴塞罗那超级计算中心推进区域创新

    巴塞罗那超级计算中心 AI 工厂计划正式运营,并通过 NVIDIA Inception 门户向成员开放部分服务。三家入选 AI 加速器项目分别在水务网络平台、隐形心律失常检测和语音多智能体系统上取得进展。其他初创公司涵盖精准农业、医学影像、语音服务、企业安全等领域,展示了先进智能在医疗、能源和可持续材料等领域的实际应用潜力。

    阅读原文 来源:NVIDIA Blog

    推荐理由BSC AI Factory 正式运营并通过 NVIDIA Inception 门户开放服务,三家入选项目展示了水务、医疗和语音代理等具体应用,展示了欧洲首批 AI 工厂在产业落地上的实际案例。

  7. AWS Machine Learning Blog一手

    Amazon Bedrock 为 Anthropic Claude 模型提供结构化输出功能

    Amazon Bedrock 为所有 Anthropic Claude 模型提供结构化输出功能,通过 JSON Schema 约束模型输出,无需自行解析即可获取合法 JSON。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由Amazon Bedrock 为所有 Anthropic Claude 模型提供了结构化输出功能,通过 JSON Schema 约束模型输出,无需自行解析即可获取合法 JSON,显著降低了数据提取和 Agent 工作流的运维成本。

  8. Simon Willison

    My obituary for programming

    文章哀悼编程职业的终结,指出编码代理让常人无法独立解决逻辑难题,导致程序员从“解谜者”转变为“指挥官”,若解谜不再是享受所在,LLM 便成了送命题的礼物。

    阅读原文 来源:Simon Willison