用 Strategy Mosaic 和 Amazon Bedrock AgentCore 在 AWS 上为智能体 AI 构建语义层
该教程演示如何用 Strategy Mosaic 作为语义层，在 Amazon Redshift 与 Amazon Aurora 上以两个链接模型建模 C360 域，无需 ETL。
#部署/工程
AWS Machine Learning BlogAI 评分2929 AWS Machine Learning BlogAI 评分3030 用 Denodo 和 Amazon Bedrock AgentCore 在 AWS 上为智能体 AI 构建语义层
AWS 博客演示用 Denodo Platform 作为语义层、配合 Amazon Bedrock AgentCore 托管智能体，联邦查询 Amazon Aurora、Amazon Redshift 与本地 PostgreSQL 三处数据源。
AWS Machine Learning BlogAI 评分4242 Eon 如何基于 Amazon Bedrock AgentCore 的 MCP Gateway 构建多云调查能力
Eon 用 Amazon Bedrock AgentCore 的 MCP Gateway 替换了逐工具凭证和本地 MCP 进程，让开发者和自主智能体通过单一认证网关统一访问 AWS、GCP、Azure 三朵云上的调查工具。
NVIDIA BlogAI 评分2222 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（BSC）的 AI Factory 加速器计划在试点后全面运营，为初创企业提供主权算力、技术支持和培训，部分服务已可通过 NVIDIA Inception 门户获取。该中心自 2025 年 4 月启动以来已交付超 800 项服务，Qatium、OneCareAI、Avatia 三家 Inception 成员在试点 demo day 上获评 AI Champions。
AWS Machine Learning BlogAI 评分2525 开发者现可通过全新 AWS 体验访问 SageMaker Studio
AWS 新客户现在可用 Google、GitHub、Apple、Amazon 账号或邮箱在 2–3 步内注册，并自动在约 20 秒内进入配置好的 SageMaker Studio 环境，无需完成高级账户注册、验证手机号或（多数情况下）输入信用卡。
AWS Machine Learning BlogAI 评分2828 Amazon SageMaker JumpStart 2026 年回顾：新增 100+ 模型、覆盖 30 家提供商
Amazon SageMaker JumpStart 在 2026 年 1 月至 9 月新增超过 100 个模型，来自 30 家不同提供商。其中 Alibaba（Qwen）贡献 29 个模型，NVIDIA 贡献 17 个，涵盖 Cosmos3 世界基础模型与 Nemotron 系列，Mistral、Google、IBM、Cohere 等亦有新增。
AWS Machine Learning BlogAI 评分4545 TwelveLabs Pegasus 1.5 在 Amazon Bedrock 上线
TwelveLabs 的视频语言模型 Pegasus 1.5 已在 Amazon Bedrock 上线，可将长视频转为带时间戳的结构化 JSON 元数据。新版本支持视频分段、结合参考图像的多模态提示词和免预索引的即时处理，单次请求可分析最长两小时的视频，较 Pegasus 1.2 的一小时提升一倍。
AWS Machine Learning BlogAI 评分2828 Deepgram 如何借助 AWS Trainium 优化大规模语音 AI
Deepgram 将 Nova-3 语音转文字模型移植到 AWS Trainium2，在单台 Amazon EC2 trn2.3xlarge 实例上运行八个模型副本，离线批处理场景下每美元处理的音频量比原有算力方案提升 11–70%。
AWS Machine Learning BlogAI 评分3636 vLLM 推出基于 push 的 KV 传输，提升分离式推理的 TTFT 与 TPOT
vLLM 新增 push 模式的 NIXL connector，将 prefill 后的传输协调与准备工作移出关键路径，从而降低 TTFT 并提升 TPOT。在基于 Amazon EC2 P5en 实例、通过 EFA 连接的 1P1D 部署上，Qwen3-32B 的测试显示 push 模式相比 pull 模式 TTFT 最高提升 3 倍、TPOT 最高提升 30%。
AWS Machine Learning BlogAI 评分4545 vLLM 双向 KV 传输如何提升多轮智能体工作负载的 TTFT
vLLM 引入双向 KV 传输，让 decode 节点在后续轮次把已计算的 KV 缓存回传给 prefill 节点，避免重复计算对话历史。在 Amazon EC2 P5en 的 1P1D 部署测试中，该机制使 Qwen3-32B 的 TTFT 最高提升 1.6 倍，zai-org/GLM-5-FP8 最高提升 3.3 倍。
AWS Machine Learning BlogAI 评分3636 用 Amazon Bedrock AgentCore 构建 AI 智能体可信度：一套生产级评估框架
AWS SMGS Operations 团队基于 Amazon Bedrock AgentCore Evaluations 搭建了一套覆盖全生命周期的智能体质量评估框架，用于其服务 AWS 全球现场销售的多智能体系统。
AWS Machine Learning Blog精选AI 评分6262 Reflection AI 开源智能体编码模型 Beam，并在 AWS 上给出部署方案
Reflection AI 推出面向智能体编码与长周期任务的开放权重模型 Beam，总参数 501B、激活参数 23B，Reflection 称其有效上下文长度为 100 万 token，权重以 Apache 2.0 许可在 Hugging Face 发布。
推荐理由：文章给出 Beam 的参数量、上下文长度与三种部署路径，可据此比较托管端点与自建运行时的取舍。
AWS Machine Learning BlogAI 评分5050 Meta 编码优化模型 Muse Spark Open 上线 Amazon SageMaker JumpStart
Meta 的编码优化开放权重模型 Muse Spark Open 已在 Amazon SageMaker JumpStart 上线，采用 MoE 架构，816B 总参数、42B 激活参数，支持 1M tokens 上下文窗口。SageMaker JumpStart 提供 BF16 与 NVFP4 量化两个版本，NVFP4 显存占用约为 BF16 的四分之一，可部署在用户自有 AWS 账户的端点中。
NVIDIA Blog精选AI 评分6565 NVIDIA 发布 RTX Spark 笔记本平台，主打本地 AI 与创作游戏
NVIDIA 发布 RTX Spark，定位为一台面向创作者、游戏玩家和 AI 智能体的 Windows PC，并将在全球多地举办发布活动。
推荐理由：NVIDIA 官方公布 RTX Spark 面向创作者、游戏玩家和 AI 智能体的定位，并汇总多家媒体对本地 AI 性能的早期评价。
Microsoft Research精选AI 评分6262 微软研究院推出 Magnetar：基于标准哈希函数的通用零知识证明系统
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 RISC-V 程序执行过程，在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍，证明验证约需 12 毫秒。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何同时兼顾速度、通用性与仅依赖标准哈希函数的安全性。
AWS Machine Learning BlogAI 评分5858 AWS 提出 Trust in Depth 框架，让智能体获得更多自主权而不失控
AWS 副总裁 Shawn Bice 提出 Trust in Depth 框架，主张在动作可被验证时让智能体自主执行，只在需要判断的决策上保留人工介入。
NVIDIA BlogAI 评分2222 NVIDIA DLSS 4.5 控制选项登陆 GeForce NOW
NVIDIA DLSS 4.5 控制选项已在 GeForce NOW 上线，支持 DLSS Super Resolution、Dynamic Multi Frame Generation 和 Ray Reconstruction。
NVIDIA BlogAI 评分3434 NVIDIA 通过开放学习资源、合作与算力扩大欧洲科研界先进技术获取
NVIDIA 加入欧盟委员会在都柏林 AI in Science Summit 上启动的 AI in Science Enablers Initiative，为欧洲科研社区提供加速工具、算力、培训与协作支持。NVIDIA 已开放超 250 个模型、250 个数据集和 1400 多个开源软件项目，并推出免费开源课程平台。欧洲目前有 35 台超算在建，将服务超 300 万名研究人员。
NVIDIA BlogAI 评分2222 NVIDIA 与北欧如何展示区域级先进计算的落地可能
NVIDIA 披露其在北欧的多项落地进展：瑞典 Lovable 与 Legora 获投资，分别用 NVIDIA Dynamo、Nemotron 优化推理和构建法律智能体系统。
GitHub Blog · AI & MLAI 评分3838 GitHub 如何用 ModernBERT 分类器更少噪声地检测密钥
GitHub 用微调后的 ModernBERT 分类器替换原有 LLM 流水线来识别通用密钥，用户接受率提升 11.5%，推送后扫描中位执行时间缩短 86%，服务成本降低 98% 以上。该方案先用正则表达式高召回生成候选，再由分类器结合文件路径、变量名和上下文判断是否为真实凭据。效率提升使通用密钥检测得以扩展到推送保护阶段。
GitHub Blog · AI & MLAI 评分5858 GitHub 推出基于 ModernBERT 的通用密钥检测模型
GitHub 发布基于 ModernBERT 的通用密钥检测分类器，可在不到 2 毫秒内评估一批候选密钥，并称可让推送保护拦截的密钥数量增加一倍以上。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：3500 行代码的轻量 Agentic RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量 Agentic RL 框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与强化学习训练，无需在训练框架内重写 agent。
推荐理由：微软研究院开源 Agent Lightning v1.0，用约 3500 行代码把部署中的 agent harness 直接接入强化学习训练，并给出可复现的编码 agent 训练结果。
Microsoft ResearchAI 评分3838 微软研究院用机器学习预测电网空间天气风险
微软研究院实习生构建的机器学习流水线可为美国本土66,935座变电站提供提前30-60分钟的位置级空间天气风险预测，评估期内检出近80%的重大事件。系统结合AE与Dst指数预报、纬度、地质电导率及电网数据，Dst预测在2020-2026年评估期峰值活跃时段有62.2%的小时优于Burton方程。
GitHub Blog · AI & MLAI 评分4040 GitHub Copilot 的 canvas：当聊天框不是与 AI 交互的正确界面
GitHub Copilot 应用推出 canvas，一种在应用内运行、无浏览器外壳的全栈小应用，可与 Copilot 智能体双向通信，并能在本地执行代码、调用第三方 API。
Microsoft Research精选AI 评分6060 微软研究院：把物理 AI 推理卸载到边缘或云端可提升机器人性能与续航
微软研究院对移动操作机器人工作负载做了系统测量，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU，能提升任务成功率、支持更大模型并延长续航。
推荐理由：微软研究院系统测量了机器人端侧 GPU 推理的瓶颈，并给出可复用的 Kubernetes 卸载工具链，为具身智能系统设计提供实测依据。
Berkeley AI ResearchAI 评分5858 K-Search 扩展 MLX 后端：把 CUDA 内核经验迁移到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 在 K-Search 进化式内核搜索框架上新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库适配 Apple Silicon。
Berkeley AI ResearchAI 评分3838 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 年初约 $30/百万 token 降至如今不足 $1，部分厂商已低于 $0.10，基准测试中推理价格年降幅在 9x 到 900x 之间、中位数约 50x。