跳到正文
只看一手#产品更新
10月9日周五
  1. Hugging Face Blog81

    使用ML Intern构建定制AI模型的实践指南

    作者分享使用Hugging Face的ML Intern工具在几天内构建了多个定制AI模型的实践经验，包括柑橘疾病识别模型、角色生成模型、相机角度LoRA等，详细说明了提示词编写方法和项目成本控制。

    推荐理由：作者通过实际案例展示了如何使用ML Intern快速构建定制化AI模型，提供了具体的方法和成本参考。

  2. NVIDIA Blog80

    NVIDIA展示如何通过前沿AI智能体将想法转化为模拟应用

    NVIDIA展示了开发者如何结合前沿AI模型与Omniverse库构建模拟应用，包括仓库模拟、机器人控制、人形机器人模拟和自动驾驶测试等场景。开发者通过自然语言指令指导AI智能体，利用GPU加速的物理、渲染和传感器模拟功能，完成从设计到测试的全流程。

    推荐理由：原文展示了前沿AI模型如何与Omniverse结合，帮助开发者构建复杂模拟应用。

  3. AWS Machine Learning Blog68

    AWS发布Bedrock AgentCore支付功能，支持AI智能体按次推理付费

    AWS发布Bedrock AgentCore支付功能，让AI智能体能够按需支付服务费用。BlockRun和Incarna展示了如何使用该功能实现端到端的按次推理付费流程，每个请求独立计价和结算。Incarna团队仅用三天就完成了集成，处理了超过1000笔从0.001到0.05美元不等的支付交易。

    推荐理由：原文介绍了AWS Bedrock AgentCore支付功能如何解决AI智能体按次推理付费的难题，读者可了解其架构与实施流程。

  6. AWS Machine Learning Blog65

    使用Amazon SageMaker HyperPod实现团队间GPU集群共享

    AWS发布了一种多租户架构方案，使多个团队能够在共享的Amazon SageMaker HyperPod集群上安全高效地工作，同时保持资源隔离和公平分配。该方案结合了AWS IAM Identity Center认证、Kubernetes命名空间隔离、HyperPod任务治理和命名空间级成本分配等功能。

    推荐理由：原文提供了多租户架构的完整实现方案，读者可以据此在自己的组织中构建共享GPU集群。

10月8日周四
  2. AWS Machine Learning Blog68

    AWS重新思考RAG系统的访问控制方案

    AWS介绍了Amazon Quick和Amazon Bedrock Knowledge Bases如何通过实时访问控制列表(ACL)解决企业RAG系统中的权限管理挑战。该方案采用两阶段架构：第一阶段进行预检索过滤，第二阶段实时验证候选文档的访问权限，确保AI生成的内容仅包含用户有权访问的信息。这种方法解决了传统方法中权限数据过时、映射复杂性和数据源变化带来的安全漏洞问题。

    推荐理由：原文详细介绍了AWS如何通过实时访问控制列表解决企业RAG系统中的权限管理难题。

  4. NVIDIA Blog85

    NVIDIA与Microsoft联合推出RTX Spark和AI智能体功能

    NVIDIA与Microsoft在旧金山活动中宣布合作开发Windows PC上的AI智能体硬件和软件方案，推出RTX Spark笔记本电脑和紧凑型桌面，以及DGX Station for Windows企业级AI工作站。

    推荐理由：原文给出了硬件和软件协同方案，读者可以据此了解AI智能体在Windows PC上的本地化部署路径。

  6. GitHub Blog · AI & ML73

    GitHub 推出 AI 密钥保护功能以应对智能体生成代码的安全挑战

    GitHub 发布基于 ModernBERT 的密钥保护模型，可在推送前检测未结构化密钥，响应时间低于 2 毫秒，预计可将预防的密钥数量增加一倍以上。该功能将首先在 GitHub Secret Protection 中推出，并集成到 Copilot CLI 和 Copilot App 中。

    推荐理由：GitHub 推出基于 AI 的密钥保护模型，可提前检测并阻止未结构化密钥泄露。

10月7日周三
  1. AWS Machine Learning Blog72

    Cornerstone OnDemand 如何使用 Amazon Bedrock 将数据库诊断时间减少 78%

    Cornerstone OnDemand 构建了名为 Orion AI 的多智能体系统，将数据库诊断时间从 45 分钟减少到 10 分钟，减少了 78%。该系统使用 Amazon Bedrock 和 Strands Agents 框架，通过领域特定的智能体实现了自动化数据库操作，减少了手动步骤并减少了冗余警报。

    推荐理由：原文详细介绍了企业如何构建多智能体系统解决数据库诊断问题，提供了可复用的设计原则和架构方案。

  3. AWS Machine Learning Blog40

    AWS DevOps Agent 调查后自动化修复方案

    AWS DevOps Agent 完成故障调查后，通过 Lambda Durable Functions、EventBridge 和 Bedrock 构建自动化修复工作流，将调查结果转化为预验证修复方案，支持人工审批后一键执行。该方案区分只读操作和基础设施变更操作，后者需暂停等待批准，可减少平均修复时间（MTTR）并释放工程师重复性工作。

  7. AWS Machine Learning Blog73

    在AgentCore和OpenClaw上构建上下文感知AI助手

    AWS展示了如何使用AgentCore运行时和OpenClaw开源智能体系统构建具有持久记忆能力的个人AI助手。该系统通过AgentCore内存功能将一次性对话转化为持久知识，并使用结构化元数据标记记忆以便检索。

    推荐理由：原文提供了完整的架构设计和部署指南，读者可据此构建具有上下文记忆能力的AI助手。

  10. AWS Machine Learning Blog40

    使用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行助手

    AWS 推出基于 Amazon Bedrock AgentCore 的语音旅行助手方案，集成 Nova 2.5 Sonic 实现实时语音交互，通过 Knowledge Bases 基于航空政策文档回答问题，支持座位更改、航班状态查询等功能。该方案采用 MCP 协议连接后端服务，使用 AWS CDK 部署，可按需扩展并兼容现有航空系统。

  12. AWS Machine Learning Blog40

    AWS 如何帮助企业遵循 ISO/IEC 42005:2025 负责任 AI 治理标准

    AWS 推出工具支持企业实施 ISO/IEC 42005:2025 AI 系统影响评估标准，包括 AIMS 实施指南和 Well-Architected Framework 负责任 AI 镜头。该标准指导企业整合 AI 风险评估到现有治理流程，提供全生命周期评估模板和触发机制。AWS 已通过 Amazon Bedrock 等服务获得 ISO AI 风险管理认证。

10月6日周二
  1. NVIDIA Blog65

    电信运营商为何构建基于开放模型的AI战略

    NVIDIA报告显示89%的电信运营商认为开源模型对其AI战略至关重要，开放模型提供成本效益、定制能力和本地化服务优势。NVIDIA推出Nemotron系列开放模型，并与SoftBank、AT&T等合作开发电信特定AI应用，帮助运营商构建自主网络和客户服务AI系统。

    推荐理由：原文分析了电信运营商采用开放模型的战略价值，包括成本控制、定制化和本地化服务。

  2. AWS Machine Learning Blog76

    AWS 在 Amazon Bedrock 上推出 GLM 5.3

    AWS 在 Amazon Bedrock 上推出 GLM 5.3，这是一个 753B 参数的混合专家模型，专为编码和长周期智能体任务优化，支持提示缓存和跨区域推理。GLM 5.3 在编码和安全基准测试中表现出色，可通过 OpenAI 兼容 API 或 Amazon Bedrock API 访问，并支持多种服务层级。

    推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。

  4. AWS Machine Learning Blog72

    AWS 发布 SageMaker 优化推理技能，为编码智能体提供专业支持

    AWS 发布 aws-ai-ml 技能，通过 Agent Toolkit for AWS 为 Kiro、Claude Code 和 Codex 等编码智能体提供 SageMaker AI 推理优化和基准测试能力。该技能可帮助用户基准测试端点、推荐部署配置、比较性能运行，并生成可执行的 SageMaker Python SDK v3 代码，无需专业知识即可完成模型到生产的优化过程。

    推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。

10月5日周一
  1. AWS Machine Learning Blog68

    Amazon Quick推出企业级自动化跨账户资源迁移工具

    AWS发布Amazon Quick Resource Migrator，这是一个基于Amazon Bedrock AgentCore的MCP服务器，可自动化、可审计地将Amazon Quick资源从开发账户迁移到生产账户。该工具支持代理、连接器、知识库、流程和空间的迁移，具有幂等性、权限完整性和可回滚特性。

    推荐理由：原文给出了自动化跨账户资源迁移的解决方案，读者可以据此了解如何实现企业级Amazon Quick资源的安全迁移。

  2. AWS Machine Learning Blog65

    使用LangChain和Amazon Bedrock知识库实现智能检索

    AWS官方博客介绍了如何在Amazon Bedrock Managed Knowledge Base上使用LangChain构建RAG应用，详细展示了标准检索与智能检索两种方法的实现、成本对比和适用场景。智能检索通过将复杂问题分解为子查询，提高了多跳问题的召回率，但成本更高。文章提供了完整的代码示例和架构图，帮助开发者根据查询类型选择合适的检索方法。

    推荐理由：原文详细介绍了如何在Amazon Bedrock中使用LangChain实现智能检索，并对比了标准检索与智能检索的适用场景。

  4. AWS Machine Learning Blog65

    使用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性和有用性

    AWS 发布了使用 Amazon Bedrock AgentCore 评估多智能体系统可解释性和有用性的教程，展示了如何构建、连接和优化大规模智能体系统。文章介绍了一个三层评估方法，包括内置评估器、自定义评估器和可解释性评估器，并通过 AnyCompany 零售公司的供应链决策系统案例演示了如何在实际应用中评估智能体的性能。

    推荐理由：原文提供了多智能体系统评估的完整框架和实现方法，读者可据此构建自己的评估体系。

  6. NVIDIA Blog65

    NVIDIA博客：AI如何助力乳腺癌筛查与治疗

    NVIDIA博客介绍了多家AI初创公司如何利用NVIDIA技术解决乳腺癌筛查、诊断和治疗中的关键问题。iSono Health开发了FDA批准的ATUSA平台，通过3D超声成像提高检测灵敏度；Whiterabbit.ai开发了AI辅助乳腺癌筛查工具；Ataraxis AI利用AI预测患者对治疗的反应；SimBioSys则通过3D可视化提供肿瘤见解。

    推荐理由：原文介绍了多家AI初创公司如何利用NVIDIA技术解决乳腺癌筛查、诊断和治疗中的关键问题。

10月4日周日
  1. Hugging Face Blog85

    Microsoft发布ThinkingBox智能体评估工具

    Microsoft与Hugging Face合作发布ThinkingBox，通过检查数据库状态而非生成文本来评估AI智能体可靠性，每个任务重复运行20次。该工具已在Hugging Face开放，包含507个业务工作流程基准测试。

    推荐理由：原文提供了AI智能体评估新方法，通过重复测试和数据库状态检查衡量可靠性。

10月2日周五
  1. AWS Machine Learning Blog65

    使用Amazon Quick和裁决查询模式进行大规模租赁合规检查

    AWS介绍了Adjudicated Query模式，通过Amazon Quick聊天界面与确定性规则引擎结合，实现大规模租赁合规检查。该架构提供可验证的完整性收据和完整的证据链，确保合规决策的可辩护性。文章提供了完整的参考实现和部署指南，适用于租赁合规、保险理赔裁决等多种高风险合规场景。

    推荐理由：原文提供了完整的合规检查架构和实现方法，读者可以直接部署使用。