用 AWS Lambda Durable Functions 自动化 AWS DevOps Agent 调查后的修复流程
针对 AWS DevOps Agent 仅处于"观察并报告"模式、不直接改动生产资源的问题,该方案用 Amazon EventBridge 接收调查完成事件,触发 AWS Lambda Durable Functions 调用 Amazon Bedrock 分析根因并从预审工具白名单中提出修复动作。
针对 AWS DevOps Agent 仅处于"观察并报告"模式、不直接改动生产资源的问题,该方案用 Amazon EventBridge 接收调查完成事件,触发 AWS Lambda Durable Functions 调用 Amazon Bedrock 分析根因并从预审工具白名单中提出修复动作。
Qlik 基于 Amazon Bedrock 打造 Qlik Answers,为全球超 4 万家客户提供可溯源的企业级问答,自 2026 年 2 月正式可用以来,其 Discovery Agent 已为客户发现超 10 万条洞察。
AWS 提出 Agentic Value Model,用于替代 RPA 时代"节省工时×人力成本−建设成本"的 ROI 模型,从时间节省、异常处理、决策质量、变更韧性与维护经济性四个维度衡量 agentic automation 的价值。
OpenAI 为 ChatGPT for Teens 推出 College Planner,帮助学生管理大学申请,同时上线新的闪卡和测验功能。OpenAI 还将成立青少年 AI 委员会,让青少年参与塑造 AI 的未来。
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,无需在训练框架内重写 agent。
推荐理由:微软研究院开源 3500 行 Agentic RL 框架,给出真实 harness 训练与 14.6 分提升的完整链路,可据此评估自建训练成本。
Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建多智能体系统 Orion AI,将数据库诊断时间从 45 分钟降至 10 分钟,减少 78%。该系统还把手动生命周期操作从 10 多步压缩为 1 次交互,并将冗余告警中位数削减 65%。三人团队用六个月完成交付。
OpenAI 发布内部前沿模型在数学开放问题上的新结果,并在 GitHub 上公开 Lean 形式化证明与研究细节。
推荐理由:OpenAI 公开内部前沿模型在数学开放问题上的结果,并同步放出 Lean 形式化证明,可供研究者直接查阅。
Jump Trading 正借助 OpenAI 扩展量化研究,通过运行时间更长的 AI 工作流整合多个数据源,并保留人工审核环节。该方案将 AI 流程与人类复核结合,用于支撑量化研究规模的扩大。
Google DeepMind 发布 EmbeddingGemma 2,这是面向端侧的多模态嵌入模型,原生将文本、图像、音频和视频映射到统一嵌入空间,基于 Gemma 4 架构、Apache 2.0 许可,参数量 740M。
推荐理由:EmbeddingGemma 2 把文本、图像、音频、视频统一到同一嵌入空间,并给出端侧内存与向量截断的具体数据,便于评估本地多模态检索的可行性。
基于开源智能体系统 OpenClaw 与 Amazon Bedrock AgentCore runtime,可搭建具备持久记忆的上下文感知 AI 助手,AgentCore memory 将一次性对话转为长期知识,并支持结构化元数据检索。
OpenAI 与 Ironclad 正围绕复杂合同工作流训练和评估 AI 智能体,以推进面向专业工作的计算机操作能力。双方聚焦合同流程这一专业场景,探索智能体在真实业务中的训练与评测方式。
微软研究院 partner research manager Jennifer Neville 在 Microsoft Research Podcast 中讨论了评测如何推动 AI 系统性能边界,以及模型在传统 benchmark 之外测试时出现的"意外失败"。她结合自身从数学、物理、认知科学到计算机科学的经历,分享了使用当前 AI 系统的实用建议,并强调当结果超出预期时深入审视数据的重要性。
Atlassian 与 OpenAI 扩大合作,把前沿模型与企业知识连接起来,帮助团队规划、构建和交付工作。双方未披露具体模型版本、接入方式或上线时间。
基于 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 与 Amazon Bedrock Knowledge Bases,可构建航空语音旅行助手,让旅客通过语音查询行程、改座位、更新餐食偏好并转接人工客服。
Amazon SageMaker Studio 新增 HyperPod Spaces 管理界面,数据科学家无需 CLI 或 kubectl,即可在浏览器中创建、配置、启停并打开 JupyterLab 和 Code Editor 环境。
AWS 发布 Amazon SageMaker HyperPod 管理与治理最佳实践,提出组织、项目、集群、工作负载四层控制模型,用于多团队共享加速计算集群时的权限与容量管理。
AWS 发文解读国际标准 ISO/IEC 42005:2025,说明客户如何将 AI 系统影响评估纳入企业风险管理体系。该标准覆盖评估全生命周期(范围界定与执行、分析与报告、持续监控与复审),并提供 Annex D 整合流程与 Annex E 独立模板,还给出轻量级 triage 分类以判断是否需要完整评估。
NVIDIA《State of AI in Telecommunications》报告显示,89% 受访者认为开源模型和软件对公司 AI 战略重要。NVIDIA 发布 300 亿参数的 Nemotron 3 Large Telco Model(LTM),由 AdaptKey 基于开源电信数据集微调,并开放完整微调流程。
智谱(Z.ai)的 GLM 5.3 已在 Amazon Bedrock 上线,该模型为 753B 参数的 MoE 架构,面向编码与长周期智能体任务,Z.ai 报告其在 CyberGym 基准上取得 84.5 分。
推荐理由:原文给出 GLM 5.3 在 Bedrock 上的接入方式与提示词缓存用法,读者可据此评估托管推理的落地成本。
Amazon SageMaker AI 推出 aws-ai-ml 技能,通过 Agent Toolkit for AWS 为 Kiro、Claude Code、Codex 等支持 MCP 的编码智能体提供推理优化与基准测试能力。
Anthropic 的 Claude Opus 5.5、Claude Sonnet 5.5 和 Claude Sonnet 5 已上线 AWS GovCloud (US) 区域的 Amazon Bedrock,为 ITAR 等合规工作负载提供 AI 辅助开发通道。
GitHub 发布 ReviewBench,一个面向 AI 代码审查智能体的开放离线基准,研究预览版已上线官网。基准基于 1.039 亿个 GitHub pull request 的分布构建,包含 19 种语言、187 个开源仓库的 219 个 pull request,采用多来源 golden set 与统一评分标准,发布前由资深工程师独立复核,一致率 96.6%。
推荐理由:GitHub 公开了代码审查基准的构建方法与评测口径,读者可据此判断自家审查智能体的强弱与取舍。
Amazon Bedrock AgentCore Evaluations 支持内置与自定义评估器,可衡量多智能体系统的有用性、任务成功率和指令遵循等质量维度,并把可解释性作为一等评估维度。
Amazon Quick 控制台不支持将用户从 Admin 直接降为 Reader、或从 Author 直接降为 Reader,update-user API 也会以“You cannot downgrade a user role”报错拒绝。
Amazon Bedrock Managed Knowledge Base 现已支持智能体检索,通过 AgenticRetrieveStream API 将多部分问题拆解为子查询、循环规划并流式返回 trace 事件,而 Retrieve API 仅执行单次混合搜索。
Amazon Quick 的资源跨账户迁移此前需手工重建,AWS 推出基于 Amazon Bedrock AgentCore 的 MCP 服务器 Quick Resource Migrator,通过 Amazon Quick API 实现 agent、action connector、知识库、flow 和 space 的幂等迁移。
OpenAI 阐述了在欧盟文本溯源规则下推进文本水印的思路:水印适用于特定场景,检测机制有其自身原理,而访问权限首先面向研究人员开放。
NVIDIA支持的初创公司利用AI技术简化乳腺癌诊断流程,提高诊断准确性和治疗效率。
推荐理由:文章介绍了NVIDIA支持的初创公司如何利用AI技术解决乳腺癌诊断和治疗中的挑战,读者可以了解AI在医疗领域的应用潜力。
OpenAI 在 ChatGPT 中引入新的视觉广告格式,并扩展了面向广告主的衡量工具、归因合作与品牌适配能力。
uniopen 通过 Amazon SageMaker AI 对 Amazon Nova 2 Lite 进行监督微调,并做提示词层面的输出优化,使其适配自身零售审核策略。
Amazon Quick Sight 发布层级筛选器,可将最多五级的相关字段(如 Region → Sub-Region → Country → City)整合进单个紧凑控件,替代多个独立筛选器。读者可按层级逐级下钻,也能在同一控件中混选不同层级,例如同时选中整个日本和纽约市。该功能已在 Quick Sight 中可用。
AWS 发布 Claude Platform on AWS(CPonAWS)多环境访问实施指南,采用专用 AI Services 账户架构,通过跨账户 SigV4、工作区级 API key 和 OIDC 联合三种方式分别接入 AWS 工作负载、开发者笔记本和外部环境。该方案以单一订阅配合工作区隔离生产与开发流量,AWS 工作负载无需存储或轮换密钥,外部工作负载则使用零持久凭证的短期 token。
OpenAI 发布 GPT-6 系列模型指南,面向初创公司讲解如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具调用,并为生产环境准备工作流。
AWS 提出 Adjudicated Query 设计模式,让业务用户在 Amazon Quick 聊天界面提问合规问题,实际判定交由确定性规则引擎完成。该模式通过完整性回执确保合规、违约、模糊、不可读记录之和等于已扫描总数,避免记录被静默遗漏,并保留规则版本、条款文本、方法与日期等可辩护依据。
通过 Amazon Bedrock AgentCore Gateway,可将 Claude Desktop 接入由亚马逊网页索引支持的 Web Search,查询流量全程留在 AWS 基础设施内,无需管理外部 API 密钥。
AWS 团队在 Amazon SageMaker AI 上用多轮强化学习(MTRL)微调 Qwen3.6-27B 搜索智能体,仅调整 max_epochs、global_batch_size、rollout_max_concurrency 三个超参数,其余走默认值。
GitHub 提出 AI 时代开发者应强化的三项技能:学会指挥 AI 智能体而非仅使用它、不轻信 AI 的首次答案、用 AI 节省的时间解决更大问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例,说明其用第二个模型对计划、代码和测试进行批判性审查。
NVIDIA 宣布本月推出 DGX Spark 64GB 版本,由 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 等厂商发售,10 月 23 日上市,起售价 4,999 美元。
推荐理由:原文给出 64GB 配置的售价、上市时间和双机集群性能数据,读者可据此判断本地跑大模型的成本与扩展方式。
Chatham Financial 借助 OpenAI 的 Codex 和 GPT-5.6 构建技术并重构工作流,将交易验证时间从 30 分钟缩短到 4 分钟以内。该公司借此扩展其在资本市场领域的专业能力。
OpenAI 的 GPT-6 Astra Ultrafast 已在 NVIDIA Blackwell GPU 上运行,并面向 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由:原文给出 Astra Ultrafast 在 Blackwell 上的加速幅度与开放入口,读者可据此判断它对编码智能体循环的实际影响。