在 Amazon Bedrock AgentCore 上构建企业级 Agentic AI 平台
AWS 发布基于 Amazon Bedrock AgentCore 的企业级 Agentic AI 平台蓝图，采用联邦式运营模型，由中央平台团队提供受治理的共享服务，各 Workstream 团队保留对智能体、工具和数据的归属。
#部署/工程
AWS Machine Learning BlogAI 评分3939 AWS Machine Learning BlogAI 评分3434 在 EKS 上用 Ray Train DLC 与 EFA 做分布式训练
AWS 发布 Ray Train 深度学习容器（DLC），在 EKS 上借助 KubeRay 与 EFA 直接跑多机分布式训练，无需自行构建镜像。
AWS Machine Learning BlogAI 评分2727 用 Amazon Nova Act 智能体 QA 自动化加速软件交付（第三部分）：应用与团队权限管理
AWS 博客介绍 QA Studio 基于 Amazon Nova Act 的两项组织级扩展能力：应用（applications）用于归集测试并展示健康指标，团队用户管理用于控制访问权限。应用页展示所选窗口的通过率、执行次数、失败数与 0–100 健康分，健康分从通过率出发并对不稳定测试扣分。指标页支持 7 天按小时、30 天按天查看趋势，并提供不稳定测试排名与最近失败视图。
AWS Machine Learning BlogAI 评分3636 AWS 为 SageMaker AI 训练与处理作业推出 SOCI 索引镜像，容器启动从分钟级降至秒级
AWS 宣布为 Amazon SageMaker AI 训练和处理作业提供 Seekable OCI（SOCI）索引，容器镜像改为懒加载，作业启动从分钟级缩短到秒级。基准测试中 1.8–35.4 GB 镜像下载提速约 8x–46x，GPU 拉取镜像的空闲时间最多减少 90%，且训练性能不受影响。用户只需指向已预索引的 AWS DLC 或为自己的镜像添加索引，无需改动作业定义。
AWS Machine Learning BlogAI 评分3636 Property Finder 如何修复 Amazon Bedrock 上的评估偏差，实现准确率提升、成本降低 86%
Property Finder 在将视觉 AI 负载迁移到 Amazon Bedrock 时发现，其评估标签中 96.8% 直接沿用了现有模型的预测而非人工核验，导致任何替代模型在比较中都处于劣势。团队由专家重新标注 356 张 UAE 图像并改用多标签分类，再通过 v0 到 v27 的提示词迭代优化选型，最终在 Amazon Bedrock 上实现更高准确率与 86% 的成本下降。
AWS Machine Learning BlogAI 评分3636 Exowatt 用 SageMaker 无服务器模型定制，精度超越前沿模型且成本低至 49 倍
Exowatt 借助 Amazon SageMaker AI 无服务器模型定制，为边缘告警分诊和云端能源市场分析分别微调 Qwen3-1.7B 与 Qwen3-14B，精度超过前沿模型，成本最高降低 49 倍。该流程把原始运营数据加工为经认证的训练集、微调模型和可评估的部署产物，原本需数月的路径现在几天内即可跑通。
AWS Machine Learning BlogAI 评分3434 用 SageMaker SDK v3 在边缘端管理车队级计算机视觉模型生命周期
AWS 发布基于 SageMaker Python SDK v3 的车队级边缘计算机视觉模型生命周期方案，用 SageMaker Neo 替代已弃用的 Edge Manager 做边缘优化。
Google Research精选AI 评分6262 Google Research 介绍用基础模型推进结核病筛查的落地路径
Google Research 与 Google for Health 团队在 IDWeek 2026 上分享了把健康 AI 研究推向现实的路径，包括结核病胸片筛查模型从基准评测、前瞻性多中心验证到与 Nexus AI 合作取得 CE MDR class IIb 认证并进入六国约 40 家医疗机构。
推荐理由：Google 梳理了从影像基准到 CE 认证工具、再到开放基础模型的结核筛查落地路径，可看医疗 AI 如何跨过转化鸿沟。
NVIDIA BlogAI 评分2222 哈萨克斯坦扩大算力布局，NVIDIA 与 Firebird 共建 AI 基础设施
NVIDIA CEO 黄仁勋访问哈萨克斯坦，Firebird 获美国出口许可，将在哈萨克斯坦部署 45,000 块 NVIDIA Grace Blackwell GPU，首期与 Kazakhtelecom 在 Data Center Valley 建设，目标 2027 年第三季度商用。
Hugging Face BlogAI 评分3838 Hugging Face 上线 torch-neuronx 模型支持查询 Space，可查模型能否跑在 AWS Trainium 上
Hugging Face 推出 torch-neuronx 模型支持 Space，可查询 Hub 上热门模型能否不经修改在 AWS Trainium 上运行，并给出复现脚本。
NVIDIA Blog精选AI 评分6060 NVIDIA 发布 Minerva，为 AI 工厂提供端到端可观测性
NVIDIA 发布 AIOps 平台 Minerva，汇聚 GPU、网络、存储、调度器与工作负载的遥测数据，用专用 AI 模型把数据转成可执行的洞察。平台构建动态知识图谱映射基础设施与运行作业，每小时分析数十亿数据点，可学习正常行为、发现未见异常并预测故障，还能把大量告警聚合成带根因的单一事件。
推荐理由：原文交代了 Minerva 如何把基础设施与负载遥测合并成单一视图，读者可据此判断 AI 工厂运维的排障方式会怎样变化。
NVIDIA BlogAI 评分3838 欧洲金融机构采用开放权重模型构建专有智能
Revolut 正基于 NVIDIA 加速计算用单一基础模型 PRAGMA 重建技术栈，初期服务 8000 万客户并设计支持 3 倍扩展。Starling Bank、Lloyds、bunq、NatWest、Santander 等机构也在 GTC Berlin 展示了基于开放权重模型和自有基础设施的生产级智能应用。
NVIDIA Blog精选AI 评分6464 NVIDIA 扩展 Cosmos 平台，新增世界模型训练、评估与部署工具
NVIDIA 扩展 Cosmos 平台，新增训练工具、仿真 checkpoint 和 Cosmos Data Factory 蓝图，用于世界模型的训练、评估与部署。
推荐理由：原文给出数据工厂蓝图、框架技能与 NIM 部署的完整链路，读者可据此判断世界模型开发流程的模块化程度。
NVIDIA BlogAI 评分3434 企业如何用 NVIDIA DSX 破解 AI 工厂电力瓶颈
NVIDIA DSX AI Factory Platform 正被全球企业用于把电网与 AI 工厂作为一套系统统一规划、仿真和运行。
Hugging Face Blog精选AI 评分6060 Dharma-AI 研究：专门化 SLM 词表可将实际应用推理成本降低 77%
Dharma-AI 在 Hugging Face 博客中预览即将发布的 VocabX 论文，提出按每个 token 的推理成本而非出现频率重建小模型词表，在基于 Qwen3-4B 的葡萄牙语作文评分器上把实测推理成本降低 77.0%，基座模型、数据和训练配方均未改变。
推荐理由：作者以生产环境作文评分器为例，展示按 token 成本而非词频重建词表，在基座模型不变时把实测推理成本降 77%。
Hugging Face BlogAI 评分3232 TorchNeuron 系统级性能分析实战：在 AWS Trainium 上剖析推理性能
Hugging Face 博客发布 TorchNeuron 系列第一篇，讲解如何在 AWS Trainium 上用 torch.profiler 与 NeuronConfig 系统分析推理性能。
Mistral AI精选AI 评分8282 Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3 语音模型家族及基于 LiveKit 的语音智能体 SDK，把听、推理、工具调用和说话整合为一条实时流式管线，每轮响应低于 1 秒。
推荐理由：原文给出语音智能体 SDK 与转写、合成模型的完整定价和延迟指标，可据此评估实时语音工作流的落地成本。
Microsoft Research精选AI 评分6262 微软研究院推出基于证明的通用计算系统 Magnetar
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序执行过程，并返回可在约 12 毫秒内验证的简短证明。在 15 个基准程序上，它比同机最快的现有 zkVM 平均快 10 到 39 倍，在笔记本上每秒可证明 7.2 至 8.7 百万条 RISC-V 指令。
推荐理由：微软研究院把十余年零知识证明研究整合为 Magnetar，读者可了解通用程序证明在速度与密码学假设上的取舍。
GitHub Blog · AI & MLAI 评分4848 GitHub 用 ModernBERT 分类器重构密钥检测：误报更少、成本降 98%
GitHub 为密钥扫描训练了专用的 ModernBERT 分类器，替代此前的 LLM 流水线，在推送后扫描中把用户接受率提升 11.5%、中位扫描执行时间缩短 86%、服务成本降低超 98%。
GitHub Blog · AI & MLAI 评分5858 GitHub 推出基于 ModernBERT 的密钥检测分类器，扩展 push protection
GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器，把 push protection 扩展到无固定格式的密钥，可在 2 毫秒内评估一批候选密钥，并称可让可拦截的密钥数量翻倍以上。
Microsoft Research精选AI 评分7575 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体 RL 框架
微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写智能体。
推荐理由：微软研究院开源约 3500 行的智能体强化学习框架，让部署时的 harness 直接参与训练，并给出可复现的编码智能体训练结果。
Microsoft ResearchAI 评分4545 微软研究院用机器学习预测电网空间天气风险
微软研究院开发了一套端到端机器学习流水线，可为美国本土 66,935 座变电站生成位置特定的空间天气风险估计，并提前 30 至 60 分钟预警。系统结合太阳风观测、AE 与 Dst 指数预报、地质电导率及电网数据，评估期内对重大事件检出率约 80%，其中 ≥10 nT/min 事件检出率 76.5%。
Mistral AIAI 评分4242 Mistral 在慕尼黑开设德国中心，推进工业 AI 与 Physics AI
Mistral 在慕尼黑开设新中心，组建专注 Physics AI 与工业 AI 的研究团队，并直接服务企业客户。Mistral 计划到 2030 年建成 1 吉瓦欧洲算力，其开放权重模型可部署在客户自有基础设施上。慕尼黑团队正与 BMW 合作碰撞仿真、与 Siemens Energy 合作工业 AI 应用，并与慕尼黑工业大学（TUM）共建汽车空气动力学数字孪生研究。
Mistral AIAI 评分4242 Mistral 与 Cloudera 达成合作，将专用主权智能引入企业数据
Mistral 与 Cloudera 宣布合作，将 Mistral 模型集成进 Cloudera 混合数据平台，企业可在私有云、公有云、本地及完全气隙环境中部署推理并保持完全控制。企业还能在受控环境中用专有数据训练定制模型，数据与由此产生的智能均归企业所有。Cloudera 平台承载 30 exabytes 客户自管数据，双方称此举面向数据、智能、算力与运营均由客户掌控的主权 AI 需求。
Mistral AIAI 评分5858 Mistral 如何用 AI 智能体迁移 4 万行 Fortran 77 代码
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 的油藏模拟器迁移到 C++，并公开了其中的智能体工作流。团队先搭建数值对齐测试框架，再用 Vibe CLI 启动上百个智能体，借助 Mistral OCR 整理散落的 PDF 文档，并按调用树逐节点生成 PR。迁移采用规划、编码、测试、审查四类智能体配合人工审核的分模块流程，首个冲刺完成 30 万行中的 4 万行。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 将 K-Search 内核搜索框架扩展到 MLX 后端，并加入结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库迁移到 Apple Silicon。
推荐理由：原文给出注意力与 Mamba 两个内核的实测数字，并拆出翻译层带来的增益，可据此判断跨平台内核迁移的可行边界。
Berkeley AI ResearchAI 评分3636 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本正快速趋近于零，GPT-4 级能力从 2023 年初的约 $30/百万 token 降至如今不足 $1，部分厂商已低于 $0.10。
Berkeley AI ResearchAI 评分3434 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，重点分析自适应并行推理：让模型自行决定何时分解并并行化独立子任务、开多少并发线程以及如何协调。现有 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild! Inference 等方法多由外部固定并行结构，未按问题难度自适应调整。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让世界模型的长时程规划更稳健。该方法针对长时程 rollout 中梯度爆炸/消失、非贪心结构导致的局部最优和高维视觉潜空间失败模式等问题。