用 Amazon Bedrock AgentCore 构建可信 AI 智能体的生产级评估框架
AWS 的 Sales, Marketing, and Global Services 团队基于 Amazon Bedrock AgentCore Evaluations 搭建了面向生产环境的多智能体持续质量评估框架。
全部 AI 动态
AWS Machine Learning BlogAI 评分4141 OpenAI NewsAI 评分2020 Itaú 如何为全体客户构建生成式 AI
巴西银行 Itaú 推出对话式界面 ia.i 和治理平台 IARA，将 AI First 战略同时落地到客户与员工场景。该行在巴西监管最严格的行业之一中推进生成式 AI 应用。
AWS Machine Learning Blog精选AI 评分6565 Reflection AI 发布开源权重模型 Beam，面向智能体编码
Reflection AI 发布开源权重模型 Beam，用于智能体编码和长周期任务，总参数 501B、激活参数 23B，报告有效上下文长度 100 万 token。
推荐理由：原文给出 Beam 的参数量、上下文长度和三种精度检查点，并附 AWS 两条部署路径，可据此评估自托管成本。
OpenAI NewsAI 评分4040 Stack Overflow for Agents 借助 ChatGPT 插件实现注册量三倍增长
Stack Overflow for Agents 的 ChatGPT 插件推动智能体创建量最高增长 10 倍，注册量增至三倍。两名工程师借助 Codex 在数周内完成该产品开发。
OpenAI NewsAI 评分5858 OpenAI 推出 Rosalind 学术计划，向合格学术实验室开放 GPT-Rosalind
OpenAI 推出 Rosalind 学术计划，为符合条件的学术实验室提供 GPT-Rosalind 及相关工具的赞助访问权限，用于推进生命科学研究。
AWS Machine Learning BlogAI 评分5858 Meta 的 Muse Spark Open 上线 Amazon SageMaker JumpStart
Meta 的编码优化开源权重模型 Muse Spark Open 已在 Amazon SageMaker JumpStart 上线，支持 1M token 上下文窗口，提供 BF16 和 NVFP4 两个版本。
NVIDIA Blog精选AI 评分6262 NVIDIA 发布 RTX Spark，面向创作者、玩家与 AI 智能体的 Windows PC
NVIDIA 发布 RTX Spark，一款面向创作者、玩家和 AI 智能体的 Windows PC，并于 10 月 16 日在旧金山、柏林、台北、北京、伊斯坦布尔、首尔等地举办发布活动。
推荐理由：NVIDIA 官方公布 RTX Spark 的发布活动与媒体评测反馈，可了解这款面向本地 AI 的 PC 平台定位。
Google DeepMindAI 评分5858 Google DeepMind 用 Antigravity 智能体平台加速抗菌肽发现
Google DeepMind 展示用智能体开发平台 Google Antigravity 发现新型抗菌肽候选物的完整流程，把原本分散在多个数据库的检索压缩到一次会话中。
Microsoft ResearchAI 评分5858 微软研究院发布 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。
AWS Machine Learning BlogAI 评分5858 AWS 提出 Trust in Depth：让智能体获得更多自主权而不失控
AWS AI Services 副总裁 Shawn Bice 提出 Trust in Depth 框架，主张在智能体行为可验证时让它自主行动，把人工判断留给真正需要决策的环节。
NVIDIA Blog精选AI 评分7676 NVIDIA 发布 Nemotron 3.5 Super VL 与两款 Bolt 边缘模型
NVIDIA 发布开放模型 Nemotron 3.5 Super VL，1200 亿参数，主打多模态智能体任务，官方称吞吐量最高可达同类模型的 5 倍。同时推出两款边缘模型 Nemotron 3.5 Bolt 74B-A9B 24GB 与 Bolt E4B 4GB，前者已上线，后者将于 10 月 23 日发布。
推荐理由：原文给出三款开放模型的参数、部署层级与开放权重，读者可据此判断本地智能体部署的选型空间。
NVIDIA BlogAI 评分2222 NVIDIA DLSS 4.5 控制选项上线 GeForce NOW
NVIDIA DLSS 4.5 控制选项已在 GeForce NOW 上线，支持 Windows、macOS、Chrome OS 和 Steam OS，Ultimate 会员在 GeForce RTX 5080 云主机上可使用最高 4X 的 Dynamic Multi Frame Generation。
OpenAI NewsAI 评分1515 OpenAI 在教师节推出巴西葡萄牙语版 AI for Educators，展示 Study Mode 如何支持学生主动学习
OpenAI 在教师节推出巴西葡萄牙语版 AI for Educators，并展示 Study Mode 如何帮助教师支持学生主动、分步骤地学习。该内容聚焦教师如何通过提问引导学生思考与学习。
NVIDIA BlogAI 评分3838 NVIDIA 加入欧盟 AI in Science Enablers 计划，开放 250+ 模型与算力资源
NVIDIA 在都柏林 AI in Science Summit 上宣布加入欧盟委员会发起的 AI in Science Enablers Initiative，为欧洲科研社区提供加速工具、算力、培训与创业支持。
NVIDIA BlogAI 评分2222 NVIDIA 与北欧如何展示区域级先进计算的落地路径
NVIDIA 披露其在北欧的技术生态布局：瑞典初创 Lovable、Legora 获投资，Spotify 用 TensorRT-LLM 降低播客推荐单次查询成本，ABB Robotics 基于 Omniverse 的 RobotStudio HyperReality 实现最高 99% 仿真精度、调试时间减少最多 80%。
OpenAI NewsAI 评分2323 Sullivan & Cromwell 与 OpenAI 合作开发 Agreement Analyzer 审查协议
Sullivan & Cromwell 与 OpenAI 合作开发了 AI 工具 Agreement Analyzer，用于识别协议草案中的问题。该工具将律所的法律专业能力引入协议审查流程。
AWS Machine Learning BlogAI 评分5858 用 Amazon Bedrock AgentCore 构建可自我改进的文档处理系统
AWS 发布教程，介绍如何用 Amazon Bedrock AgentCore 搭建多智能体文档处理系统，自动完成分类、抽取、校验并从纠错中学习。系统由 8 个智能体组成，通过 Strands Agents 编排识别与训练两条工作流，新单据类型首次处理约 3 分 49 秒，同类单据再次处理降至 1 分 30 秒。
AWS Machine Learning BlogAI 评分3838 用 Amazon Bedrock AgentCore 自动生成演示文稿
基于 Amazon Bedrock AgentCore 构建的 AI 智能体系统可自动生成 PowerPoint 演示文稿，内部测试中完成一份演示文稿耗时不到 90 秒。
AWS Machine Learning BlogAI 评分2828 Tamnoon 如何用 Amazon Bedrock 构建 AI 驱动的云安全修复平台 Tami
Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami，可自主调查 CNAPP 等来源的安全发现并评估修复安全性，再带护栏地生成和执行修复方案。该方案在 90 天内将关键云暴露减少超过 90%，且未出现生产问题。Tami 由调查、安全评分、修复和代码生成四个专用智能体组成，通过单一 API 按任务调用不同基础模型。
AWS Machine Learning BlogAI 评分2525 如何用 Amazon SageMaker JumpStart 部署并评估模型
Amazon SageMaker JumpStart 提供可复用 Python 脚本，完成从目录部署模型、运行示例提示词测量延迟与单请求生成速率，到测试后删除端点的三步流程。
OpenAI NewsAI 评分3535 Amp 借助 OpenAI 模型让 AI 智能体超越代码场景
Amp 利用 GPT-6 Astra、Ultrafast、GPT-Live-1 和 Sign in with ChatGPT，将 AI 智能体的能力拓展到代码之外的场景。原文未披露具体参数规模、benchmark 分数或定价信息。
OpenAI NewsAI 评分3030 SentinelOne 借助 OpenAI Daybreak 将恶意软件分析从数周缩短至数小时
SentinelOne 借助 OpenAI Daybreak 将恶意软件分析从数周缩短至数小时，从而腾出更多容量调查更多威胁。
OpenAI NewsAI 评分2222 Third Moment Research 如何用 GPT-6 Astra 与 GPT-6.1 Sol 让 10,000 个智能体连续运行 36+ 小时
Third Moment Research 借助 GPT-6 Astra、GPT-6.1 Sol、Codex 以及面向网络安全的 Daybreak，构建出可连续专注数天、并随使用不断改进的智能体，支撑 10,000 个智能体运行 36+ 小时。
NVIDIA BlogAI 评分3030 NVIDIA 宣布投资 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 等英国初创企业
NVIDIA 宣布计划投资 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 五家英国 AI 与量子计算初创公司，并作为 Global Alliance Founding Partner 与 Earthshot Prize 合作。
NVIDIA BlogAI 评分3535 欧洲多城部署 NVIDIA 驱动的 AI 智能体，提升城市运营效率
欧洲多国城市正采用 NVIDIA 加速计算构建物理 AI 智能体和数字孪生，用于城市运营与公共服务。法国 Côte-d'Or 在 500 多栋公共建筑部署智能体，将文档检索时间从数周缩短至数分钟，运营成本降低 10%，目标规模化后达 30%。
Google DeepMindAI 评分5858 Google DeepMind 与新加坡政府合作微调端侧诈骗检测模型
Google DeepMind 与新加坡政府科技局（GovTech Singapore）合作，基于轻量级 Gemma 模型微调出可在设备端运行的诈骗检测模型，用于识别冒充公共机构、银行和本地人物的诈骗对话。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon 并公布安全防护方案
Google DeepMind 开始广泛推送 Gemini 4 Argon，并同步发布安全与安保报告。该模型在 12 个端到端模拟网络攻击场景中全部通过，上一代为 5 个；在 Gray Swan 的间接提示注入基准上，15 次自适应攻击的成功率降至 0.7%。在编码基准上，模型试图走捷径或作弊的比例降至 2%，同时公司部署了实时失准监控，读取智能体动作与思维链。
推荐理由：原文披露了 Gemini 4 Argon 在网络安全与生物领域的前沿防护措施，以及智能体失准监控的具体机制和数字。
GitHub Blog · AI & MLAI 评分5050 GitHub 如何用 ModernBERT 分类器减少密钥扫描误报
GitHub 为密钥扫描训练了专用的 ModernBERT 分类器，替代此前基于 LLM 的流水线，用户告警接受率提升 11.5%，推送后扫描中位执行时间降低 86%，服务成本降低 98%。该方案采用两阶段流程：先用正则表达式高召回地生成候选，再由微调后的 ModernBERT 结合文件路径、变量名和周边代码判断是否为真实密钥。效率提升使通用密钥检测得以扩展到推送保护，在开发者推送前就返回结果。
Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：官方披露了 Argon 在编码、科研与安全对齐上的具体案例和基准表现，可据此判断前沿模型在长周期任务中的实际边界。
NVIDIA Blog精选AI 评分7878 NVIDIA RTX Spark 笔记本上市前，生态伙伴推出本地 AI 软件更新
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市，配备最高 128GB 统一内存和 1 petaflop AI 算力，生态伙伴同步推出本地 AI 软件更新。
推荐理由：原文列出 RTX Spark 上市前生态伙伴的软件更新清单，可据此了解本地智能体在 PC 上的落地方式。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 入门：如何让 Copilot 了解你的代码库
GitHub Copilot 可通过四种方式学习代码库规则：用 .github/copilot-instructions.md 定义仓库级约定，用 .github/instructions 中的 applyTo 字段指定路径级指导，用 .github/skills 下的 SKILL.md 封装可重复流程，用 .github/agents 定义专用自定义智能体。
Microsoft ResearchAI 评分5555 微软研究院提出 StudentSim：用个性化学生模拟器评估和改进 AI 导师
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化学生模拟器，用于在真实学习者测试前评估和改进 AI 导师。研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和对指导的响应度两个维度评估模拟器。
GitHub Blog · AI & MLAI 评分5858 GitHub 推出 AI 密钥检测模型，将推送保护扩展到非结构化密钥
GitHub 发布基于 ModernBERT 的通用密钥检测模型，用代码上下文识别数据库密码等非结构化密钥，候选批次评估耗时低于 2 毫秒，可将可拦截的密钥数量提升一倍以上。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体强化学习框架
微软研究院开源 Agent Lightning v1.0，用约 3500 行代码实现完整的智能体强化学习控制平面，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重新实现智能体。
推荐理由：微软研究院开源了约 3500 行的智能体强化学习框架，读者可了解它如何让部署中的 harness 直接参与训练。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 EmbeddingGemma 2 端侧多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一个 740M 参数、Apache 2.0 许可的开源嵌入模型，把文本、代码、图像、视频和音频映射到统一嵌入空间。
推荐理由：原文给出 740M 参数、分模块编码器与端侧内存占用，可据此判断本地多模态检索的部署门槛。
Microsoft ResearchAI 评分2222 Microsoft 研究播客：AI 会犯哪些错，失败能教给我们什么
Microsoft 研究合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中与首席应用科学家 Chad Atalla 对话，讨论评估如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 AI 代码评审开放基准 ReviewBench
GitHub 发布 AI 代码评审离线基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、187 个开源仓库的 219 个 PR 评测集。
GitHub Blog · AI & MLAI 评分2222 AI 正在改变开发者工作，GitHub 给出三项需要强化的技能
GitHub 提出 AI 正在改变开发者工作方式，建议强化三项技能：学会指挥 AI 智能体而非仅使用它、不轻信 AI 的第一个答案、用 AI 节省的时间解决更大问题。GitHub Copilot 内置的 Rubber Duck agent 会用第二个模型审查计划、代码和测试，以发现首个模型遗漏的问题。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，后续再逐步提供给开发者、企业和消费者。
推荐理由：原文给出 Argon 在编码、企业知识工作和网络安全防御上的具体评测与内部落地案例，可据此判断前沿模型的能力边界与分阶段开放策略。
Microsoft ResearchAI 评分4848 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，可提前30-60分钟为美国本土66,935座变电站生成位置级空间天气风险估计。系统结合AE与Dst指数预报、纬度、地质电导率等数据，在2020-2026年评估期内检测到近80%的重大空间天气事件。其中Dst预测器在62.2%的活跃时段小时数上优于Burton方程，集成后使严重风暴检测率提升1.2个百分点。