NVIDIA 智能体 AI 技术助力 SETI 项目搜索外星信号
NVIDIA 的智能体 AI 技术被应用于 SETI 项目中，用于搜索外星信号，通过处理大量数据，提高了搜索效率和准确性。
推荐理由：原文介绍了 NVIDIA 在 SETI 项目中使用的智能体 AI 技术，读者可以了解其在搜索外星信号中的应用和效果。
#部署/工程
#部署/工程
今日 0 条NVIDIA Blog精选AI 评分7070 AWS Machine Learning BlogAI 评分3535 AWS Batch支持Amazon SageMaker训练作业的资源配额管理
AWS Batch推出支持Amazon SageMaker训练作业的新功能，允许用户通过AWS Batch的排队、调度和重试功能管理机器学习训练工作负载，无需自行构建基础设施。管理员可以使用配额管理功能将计算能力划分为配额份额，并使用可配置的资源共享策略，以最大化GPU利用率并确保每个团队在关键时刻获得相应的资源。
AWS Machine Learning Blog精选AI 评分4545 AWS Ray Train 在 EKS 上实现分布式训练教程
AWS 发布了 Ray Train 深度学习容器（DLC），用于在 EKS 上进行分布式训练，本文介绍了如何使用这些工具进行 PyTorch 训练的配置和使用。
推荐理由：本文介绍了如何使用 AWS 的 Ray Train 深度学习容器（DLC）在 EKS 上进行分布式训练，读者可以了解如何配置和使用这些工具来优化 PyTorch 训练过程。
AWS Machine Learning BlogAI 评分3535 Llama.cpp 在 Amazon SageMaker AI 上部署决策模型
summary_zh: - Llama.cpp 在 Amazon SageMaker AI 上部署决策模型，支持在 CPU 或 GPU 基础设施上托管量化模型。
AWS Machine Learning BlogAI 评分3131 BlockRun 与 Incarna 如何用 Amazon Bedrock AgentCore payments 实现 AI 智能体按次付费推理
Incarna 借助 Amazon Bedrock AgentCore payments，让智能体通过 x402 按次向 BlockRun 支付模型推理费用，将接入 x402 支付支持的工作量从数月缩短到数天，并已把端到端按次付费推理流程投入生产。
AWS Machine Learning BlogAI 评分2222 用 Amazon SageMaker HyperPod 实现跨团队 GPU 集群隔离与公平共享
AWS 发布基于 Amazon SageMaker HyperPod 与 EKS 的多租户参考架构，让多个团队共享同一 GPU 集群。
GitHub Blog · AI & MLAI 评分3838 GitHub 用微调分类器将密钥推送保护扩展至非结构化密钥
GitHub 与 Microsoft Applied Sciences 联合构建微调分类器，将推送保护扩展到非结构化密钥，可在不到 2 毫秒内评估整组候选密钥，有望让可拦截的密钥数量增加一倍以上。
AWS Machine Learning Blog精选AI 评分6262 AWS 上线 Claude Haiku 5.5
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线。
推荐理由：文章给出 Haiku 5.5 在 Bedrock 上的能力定位与调用方式，可据此判断它在多智能体分层中的成本位置。
NVIDIA Blog精选AI 评分6262 NVIDIA 与 Microsoft 发布 RTX Spark 笔记本及 Windows 智能体基础设施
NVIDIA 与 Microsoft 在旧金山 Windows AI and Surface 活动上宣布，将软硬件协同设计用于在 Windows PC 上运行 AI 智能体，并开放 RTX Spark 笔记本预售，10 月 16 日发售，紧凑型台式机 11 月上市。
推荐理由：NVIDIA 与 Microsoft 把智能体运行所需的系统级容器和本地算力一并给出，读者可据此判断本地智能体的落地条件。
AWS Machine Learning BlogAI 评分2222 Amazon Quick 与 Amazon Bedrock 如何用实时 ACL 重构 RAG 访问控制
Amazon Quick 和 Amazon Bedrock Knowledge Bases 在原有预检索 ACL 过滤之上新增实时 ACL 校验，在查询时直接向权威数据源核实权限，避免依赖可能过期或映射错误的 ACL 数据。
AWS Machine Learning BlogAI 评分2222 AWS 如何用六周项目弥合 AI 知识-能力差距
AWS 设计了一个为期六周、每周约四小时的结构化项目，让非工程背景的业务人员用 Amazon Bedrock AgentCore、Strands Agents SDK 和 Amazon Nova 模型动手构建 AI 原型。
AWS Machine Learning BlogAI 评分3434 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。
AWS Machine Learning BlogAI 评分2222 Qlik 如何用 Amazon Bedrock 构建企业级可信 AI
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 Machine Learning BlogAI 评分2222 如何为 agentic automation 构建商业论证：AWS 提出 Agentic Value Model
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。
AWS Machine Learning BlogAI 评分3131 Cornerstone OnDemand 如何用 Amazon Bedrock 将数据库诊断时间缩短 78%
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。
AWS Machine Learning BlogAI 评分3434 在 AgentCore 和 OpenClaw 上构建上下文感知 AI 助手
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 NewsAI 评分2222 Atlassian 与 OpenAI 扩大合作，将企业知识转化为行动
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。
AWS Machine Learning BlogAI 评分2222 用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行助手
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。
AWS Machine Learning BlogAI 评分1818 在 SageMaker Studio 中直接管理 Amazon SageMaker HyperPod Spaces
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 Machine Learning BlogAI 评分1818 Amazon SageMaker HyperPod 管理与治理最佳实践
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 Machine Learning BlogAI 评分1212 AWS 如何帮助客户对齐 ISO/IEC 42005:2025 负责任 AI 治理
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 BlogAI 评分2222 电信运营商为何将 AI 战略押注在开源模型上
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。
AWS Machine Learning Blog精选AI 评分5858 GLM 5.3 上线 Amazon Bedrock
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。
AWS Machine Learning BlogAI 评分2222 Amazon SageMaker AI 推出 aws-ai-ml 技能，为 Kiro、Claude Code、Codex 等编码智能体提供生成式 AI 推理优化能力
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。
AWS Machine Learning BlogAI 评分2222 在 AWS GovCloud 中用 Claude Code 与 Amazon Bedrock 运行受监管工作负载
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。
AWS Machine Learning BlogAI 评分2222 用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性与有用性
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。
AWS Machine Learning BlogAI 评分1212 如何在 Amazon Quick 中降级用户角色
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。
AWS Machine Learning BlogAI 评分2222 LangChain 与 Amazon Bedrock Knowledge Bases 的智能体检索实践
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。
AWS Machine Learning BlogAI 评分2222 如何让 Amazon Quick 企业级跨账户资源迁移自动化且可审计
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。
AWS Machine Learning BlogAI 评分2222 uniopen 如何用 Amazon Nova 2 Lite 定制零售审核策略并部署上线
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。
AWS Machine Learning BlogAI 评分3434 如何在 AWS 上为 Claude Platform 配置多环境访问
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 NewsAI 评分2121 GPT-6 系列模型选型指南
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 Machine Learning BlogAI 评分4141 用 Amazon Quick 和 Adjudicated Query 模式批量审查数千份租约合规性
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。
AWS Machine Learning BlogAI 评分3434 用 Amazon Bedrock AgentCore 为 Claude Desktop 添加安全 Web Search
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 Machine Learning BlogAI 评分5252 在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体
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。
NVIDIA Blog精选AI 评分6262 NVIDIA DGX Spark 推出 64GB 版本，支持双机集群扩展本地 AI
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。
NVIDIA Blog精选AI 评分8080 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
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。
AWS Machine Learning BlogAI 评分3434 在 Amazon Bedrock AgentCore 上用智能体 AI 扩展云迁移
AWS Professional Services 基于 Strands Agents SDK 和 Amazon Bedrock AgentCore 构建四智能体模式，将基础设施即代码（IaC）开发时间从每个应用 3 到 4 周缩短至几分钟，该模式在 300+ 应用的迁移项目中得到验证。
AWS Machine Learning BlogAI 评分3434 Amazon Quick 推出 Live Data in Apps：AI 构建的应用可实时查询受治理数据集
Amazon Quick 为 AI 构建的 Quick Apps 推出 Live Data in Apps，应用每次打开时都会实时查询受治理的 Quick Sight 数据集，不再依赖构建时的静态快照。
AWS Machine Learning BlogAI 评分3434 用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
NVIDIA NeMo Agent Toolkit（NAT）可通过自定义 memory provider 接入 Amazon S3 Vectors，作为多智能体系统的持久记忆层，并部署在 Amazon EKS 上。