Amazon Bedrock AgentCore 利用 Agentic AI 加速云迁移
基于 Amazon Bedrock AgentCore 的四智能体模式将大型云迁移项目中每个应用的 IaC 开发时间从 3 到 4 周缩短至几分钟。该方案通过 MCP 工具连接内部系统，与 AWS Transform 和 AWS DMS 配合，覆盖 300 多个应用的迁移及运维需求。此前此类定制化 IaC 组合需耗费数年工程人力，此模式实现了自动化治理与监控。
动态
动态
今日 5 条AWS Machine Learning BlogSI 评分4343 AWS Machine Learning BlogSI 评分4141 使用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
文章展示了如何在 Amazon EKS 上部署 NVIDIA NeMo Agent Toolkit (NAT) 1.6，并将 Amazon S3 Vectors 实现为自定义持久记忆层。该方案利用 S3 Vectors 支持单索引 20 亿向量及强写入一致性，满足生产级多智能体系统对弹性存储和成本效率的需求。这是继此前探讨 S3 Vectors 架构优势后，进一步落地具体实现的技术指南。
AWS Machine Learning BlogSI 评分4141 Claude Platform on AWS 多环境访问实施指南
该指南演示了如何在 AWS 上为 Claude Platform on AWS 配置生产、本地开发及外部环境的多环境访问。方案采用专用 AI Services 账户架构，通过跨账户 SigV4、工作区 API 密钥及 OIDC 联合认证实现隔离。这是继架构模式与认证路径决策后的完整分步实施教程。
AWS Machine Learning BlogSI 评分4747 Amazon Payments 利用 AWS SageMaker AI 上的上下文多臂老虎机优化获客漏斗
Amazon Payments 在 Amazon SageMaker AI 上部署多目标上下文多臂老虎机（MAB），用于优化产品获客漏斗中的个性化内容选择。七周在线 A/B 测试显示，针对特定客户群体，最终漏斗转化率实现了高个位数的相对提升，但另一群体未见改善，表明问题在于内容而非模型。
AWS Machine Learning BlogSI 评分3333 uniopen 如何定制 Amazon Nova 以符合零售审核策略
uniopen 通过 Amazon SageMaker AI 对 Amazon Nova 2 Lite 进行监督微调，并优化提示词，以适配其特定的零售内容审核策略。在 737 个对话窗口的测试集中，微调后的模型显著提升了行为与主体分类的 Macro F1 分数。该方案利用 AWS 托管服务构建了包含人工验证、评估及部署控制的自动化工作流，实现了生产环境的持续优化。
AWS Machine Learning BlogSI 评分3333 Amazon Bedrock Knowledge Bases 如何用自然语言查询保险理赔
Amazon Bedrock Knowledge Bases 利用 RAG 技术从 S3 存储的理赔文档中检索信息，通过 AgenticRetrieveStream API 回答自然语言问题并返回带引用的答案。该方案支持多轮对话及基于元数据的过滤，并集成上下文接地护栏以确保回答严格基于源文件。
Simon WillisonSI 评分3737 GPT-6 Astra 构建本地人脸模糊与元数据移除工具 Photo Scrubber
GPT-6 Astra 构建了实验性工具 Photo Scrubber，用于自动识别并模糊照片中的陌生人面部。该工具基于 Google MediaPipe C++ 库编译为 WebAssembly，并集成 BlazeFace 人脸检测模型实现本地处理。
AWS Machine Learning BlogSI 评分3535 Amazon Quick 提示工程基础：核心原则与结构化框架
本文阐述 Amazon Quick 提示工程的核心原则，包括通过具体性提升清晰度、利用业务背景增强相关性以及使用示例进行少样本学习。文章介绍了 CRISPE 框架，通过定义背景、角色、意图、步骤等维度构建结构化提示，以在 Quick 各组件中生成一致且高质量的 AI 输出。
AWS Machine Learning BlogSI 评分2828 Amazon Quick 各组件提示工程模式与陷阱
文章解析 Amazon Quick 各组件的提示工程最佳实践。Quick Research 需明确目标、受众及范围，并限定数据源以减少噪音；Quick Flows 应将复杂逻辑拆解为编号步骤，利用 agentic runtime 通过对话迭代优化；Quick Sight 查询需包含业务问题、指标、维度及可视化偏好。
AWS Machine Learning BlogSI 评分4040 AWS 构建基于 Amazon Quick 和 Amazon Bedrock AgentCore 的 AI 合同智能平台
AWS 展示了一套基于 Amazon Quick 和 Amazon Bedrock AgentCore 的合同智能平台架构，通过 AI 代理提取并验证合同数据以解决 RAG 在大规模聚合查询中的局限。
AWS Machine Learning BlogSI 评分3434 在 SageMaker AI 上用 vLLM-Omni 构建实时语音应用（第一部分）
AWS 发布教程，演示如何用 vLLM-Omni DLC 在 Amazon SageMaker AI 上部署 Qwen3-TTS，通过 SageMaker 双向流式连接实现文本流入、24 kHz PCM 音频分块流出，并配 Gradio 应用试用。
AWS Machine Learning BlogSI 评分2222 在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第 2 部分）
在 Amazon SageMaker AI 上部署同一个 AWS vLLM-Omni DLC 镜像的两个端点：实时端点运行 FLUX.2-klein-4B 生成图像，异步端点运行 Wan2.1-VACE-1.3B 生成图像条件视频。文本提示词先生成 PNG，再连同运动提示词经 Amazon S3 传给视频端点，生成的 MP4 存回 S3，示例提供命令行与 Streamlit 界面。
AWS Machine Learning BlogSI 评分3535 用 Amazon Nova Act 与 Bedrock AgentCore 实现智能体驱动的合成监控
AWS 介绍了一种基于 Amazon Nova Act 和 Amazon Bedrock AgentCore 的智能体驱动合成监控方案，用自然语言动作替代 Selenium、Playwright 的 DOM 选择器脚本。
AWS Machine Learning BlogSI 评分2222 跨账户自动化管理 Amazon Textract 适配器生命周期
针对 Amazon Textract 适配器从训练到生产跨 AWS 账户迁移需提工单、且仅迁移模型权重而查询定义与训练数据不随迁的瓶颈，该方案用 AWS CloudFormation 和 Terraform 模板实现适配器生命周期自动化。
Simon WillisonSI 评分2222 Simon Willison 用 Claude Opus 5.5 生成 Kākāpō Party 像素动画并用 Claude Code 录制视频
Simon Willison 用 Claude Opus 5.5 生成 HTML5 canvas 像素动画 Kākāpō Party，画面中至少 20 只 kākāpō 鹦鹉跳跃派对并触发彩带、气球等效果。他随后让本地 Claude Code 会话借助 Playwright 加载该页面并模拟点击，录制出 15 秒视频用于 Keynote 收尾幻灯片。
GitHub Blog · AI & MLSI 评分5252 GitHub Copilot 入门教程：如何使用 Canvases 构建自定义工作流
GitHub Copilot 应用引入 Canvases 功能，允许用户通过 /create-canvas 指令用自然语言描述需求，自动生成可交互的自定义界面。该界面支持用户与 Agent 双向实时协作，无需手动编码即可创建看板、清单等工具，并可通过 Awesome Copilot 社区分享和复用。
AWS Machine Learning BlogSI 评分3333 基于 EFA 和 DeepEP 在 Amazon EKS 上扩展 MoE 强化学习，吞吐量提升 40%
AWS 结合 Amazon EKS、EFA 与 DeepEP，为大规模 MoE 模型的 RLHF/GRPO 强化学习后训练提供架构方案，吞吐量提升 40%。该方案针对 rollout 生成与策略训练并行的异步 RL 循环，通过 DeepEP 优化 Expert Parallelism 的 all-to-all 通信，缓解跨节点带宽瓶颈。
AWS Machine Learning BlogSI 评分2828 在 Amazon SageMaker HyperPod 上用 SkyRL 加速多模态 RL 训练
AWS 展示在 Amazon SageMaker HyperPod 上用开源 RL 框架 SkyRL 训练 Qwen3-VL-8B 视觉语言模型走迷宫，基于 GRPO 从 VisGym SFT 检查点出发，在固定 64 个迷宫的评测集上把解迷宫成功率从 43.75% 提升到 95% 以上。
AWS Machine Learning BlogSI 评分3434 NarrateAI：在 Amazon Bedrock 上实现生产级 LLM 质量保障
NarrateAI 在 Amazon Bedrock 上通过五项技术实现约 99% 的数值准确率，并支持实时流式响应。这五项技术分别是自适应流水线编排、跨账户多模型故障转移、实时流式评估、复合评估框架和数据准确性验证，其中约 90% 的查询走单次快速路径，仅约 10% 走并行批处理路径。该系统已服务超过 4,000 名 AWS 高管领导者，用于实时业务评审中的对话式数据分析。
AWS Machine Learning BlogSI 评分3535 在 Amazon SageMaker AI 上部署 Qwen3-TTS 实时个性化语音
阿里云 Qwen 团队开源的 Qwen3-TTS-12Hz-1.7B-Base 现已上线 Amazon SageMaker JumpStart，可部署到全托管实时推理端点，仅需几秒参考音频和对应文本即可克隆音色，无需重新训练。
GitHub Blog · AI & MLSI 评分4242 GitHub Copilot 应用如何渲染超大 Pull Request
GitHub Copilot 应用重构了 Pull Request 视图，以支持包含 2,200 个文件和超百万行变更的超大 diff 渲染。通过采用双几何架构，将代码行高度与动态评论块高度分离，解决了评论高度未知导致的滚动卡顿问题。该方案确保了在极端负载下，即使存在 400 多条内联评论，审查体验依然保持快速流畅。
Simon WillisonSI 评分1515 用可交互示例讲解 Shadow DOM 的 shadow roots
一份可交互示例讲解 shadow roots 的教程，演示样式封装、继承、slots、parts 以及 JavaScript 访问方式，展示 shadow root 如何创建带私有样式表和元素的隔离 DOM 树，并与页面 DOM 进行受控交互。该示例由 Fable 5.1 Medium 根据提示词生成。
GitHub Blog · AI & ML精选SI 评分6262 GitHub Copilot 实现营销运营自动化：从活动策划到跟进的全流程实践
GitHub 日本和韩国市场营销负责人 Tomoko Tanaka 分享如何利用 GitHub Copilot 和 GitHub Actions 自动化活动运营流程。
推荐理由：展示了非技术人员如何利用 GitHub Copilot 和 Actions 将重复性营销工作流转化为代码，提供了可复用的自动化模式。
GitHub Blog · AI & MLSI 评分4040 GitHub Copilot app 新手指南：使用 diff、终端和浏览器面板
GitHub Copilot app 内置 diff、终端和浏览器面板，允许用户在不离开应用的情况下审查代码变更、运行命令及预览界面。用户可通过 diff 面板接受或修改变更，在终端面板执行如 `npm run dev` 等脚本，并利用浏览器面板的 Pick & Polish 工具迭代 UI。这种集成工作流消除了应用切换，帮助用户在合并前验证 AI 生成代码的功能与正确性。
Hugging Face Blog精选SI 评分6060 用 Hugging Face Jobs 跨机跑 Async GRPO 与 LoRA：一个存储桶、一个代理、不用 NCCL
Hugging Face 博客介绍如何在 Hugging Face Jobs 上跨机运行 AsyncGRPOTrainer：训练 Job 只把 LoRA adapter 写入 Storage Bucket，两个 vLLM Job 从同一挂载路径读取，代理负责加鉴权头、按 KV 前缀路由 rollout 并把 adapter 加载广播到所有副本，全程不需要 NCCL。
推荐理由：原文给出跨机异步 GRPO 的完整工程配方与五轮瓶颈定位数据，可迁移到自建 RL 训练流水线。
Mistral AISI 评分4242 Mistral 利用 AI 智能体将 4 万行 Fortran 77 代码迁移至 C++
Mistral 协助欧洲能源运营商将 4 万行 Fortran 77 代码迁移至 C++，解决了无测试套件和文档的遗留代码现代化难题。项目通过构建数值一致性验证框架，并利用 Vibe CLI 生成调用树，调度超过 100 个智能体完成代码文档化。最终采用人类监督 coder、tester 和 reviewer 智能体的工作流，实现了模块化的代码重构与质量保障。
GitHub Blog · AI & MLSI 评分3838 GitHub Copilot app 入门：如何同时运行多个智能体
GitHub Copilot app 支持同时运行多个智能体会话，每个会话运行在独立的 Git worktree 上，互不干扰且各自保留上下文。用户可在 sessions view 中查看各会话标题与任务进度，并随时切换、无需重新说明背景。文中以 tailspin-toys 仓库为例，演示了并行处理 funded sort、无障碍审查和测试三项任务。
Hugging Face BlogSI 评分3838 用 100 步 GRPO 微调 LFM2.5-350M 提升结构化输出能力
一份公开教程用 TRL 的 GRPO 对 LFM2.5-350M 做轻量微调，仅约 500 条样本、100 个训练步，就把 IFStruct 基准分数从 22.6% 提升到 29.7%。训练可在免费 Colab 或 Kaggle GPU 上完成，评测则通过 llama.cpp 在本地 MacBook 上跑 OpenAI 兼容服务。
Hugging Face BlogSI 评分3434 用 TRL 和 OpenEnv 训练编程模型画水彩画
Hugging Face 博主用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型画水彩画的思路，模型通过 p5.brush 写出约 150 行 JavaScript 程序作画，全部数据集、RL 环境、训练脚本与模型均已开源。
Hugging Face BlogSI 评分4848 用 Sentence Transformers 训练与微调多向量嵌入模型
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，支持 ColBERT 式后期交互检索，并提供完整训练方案。
Hugging Face BlogSI 评分3838 Hugging Face Inference Endpoints、Jobs 与 Buckets 如何支撑 Papers with Code 搜索
Papers with Code 的搜索采用混合检索架构，由 Hugging Face Jobs 批量生成论文嵌入向量、Storage Buckets 做持久化中转、Inference Endpoints 提供在线查询的低延迟嵌入，目前覆盖 arXiv 与 Daily Papers 的逾 11 万篇论文。
Hugging Face Blog精选SI 评分6262 Sentence Transformers v6.0 新增 MultiVectorEncoder 支持晚交互检索
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式晚交互检索，可直接加载 PyLate、Stanford-NLP ColBERT 检查点，也能通过同一套 API 运行 colpali-engine 的视觉文档检索模型。
推荐理由：原文给出多向量编码器的加载、打分与索引实测数据，可据此判断晚交互检索的落地成本。
Hugging Face BlogSI 评分3838 Hugging Face 推出约束感知 GPU 分配器：同集群利用率最高提升 33 个百分点
Hugging Face 构建了约束感知的 GPU 分配器，在七个基准场景中与 FIFO 调度器对比，相同硬件和负载下 GPU 利用率最高提升 33 个百分点，优先级加权产出在每个场景均有提升，最高达 105%。
Hugging Face Blog精选SI 评分6262 用 Strands Agents、LeRobot 和 Hugging Face Storage Buckets 打通录制训练部署闭环
Hugging Face 博客介绍 Strands Robots 的流式数据闭环，用同一个 Robot() 对象完成录制演示、同步到 Storage Bucket、从 Hub 流式读取训练并把 checkpoint 部署回硬件，全程保持 LeRobot 磁盘格式不变。
推荐理由：原文给出从录制、同步到流式训练再部署的完整闭环代码，可迁移到机器人数据采集与训练流程。
Hugging Face BlogSI 评分5050 模型路由并不简单：从分类问题到系统优化问题
在 AppWorld Test Challenge 的 417 个任务上，同一 CodeAct 智能体下 Claude Sonnet 4.6 总成本 79 美元（0.19 美元/任务），GPT-4.1 却要 155 美元（0.37 美元/任务），原因是缓存命中率让实际成本偏离标价。
Hugging Face BlogSI 评分2222 PyTorch 性能分析（第三部分）：Attention 全解析
Hugging Face 博客发布《Profiling in PyTorch》系列第三部分，用 PyTorch 剖析 attention 的朴素实现、原地操作、SDPA 与手写 kernel 四种写法在 profiler 下的差异。
Hugging Face BlogSI 评分2828 PRX Part 4：我们的数据策略
PRX 系列第四篇披露其数据策略：预训练数据由公开与内部数据集混合而成，用 VLM 重新生成图像长描述，再转为可流式训练的语料。团队将文本编码器从 T5Gemma 换成 Qwen3-VL，改为训练时实时计算文本 latent，在 7B 规模下仅损失约 3–4% 吞吐（30 天训练多约 1 天）。图像统一编码为 quality 92 的 JPEG，实测首次重编码几乎不可察觉。
Mistral AI精选SI 评分6262 Mistral 用 Vibe 构建自动编写 Rails 测试的智能体
Mistral 基于其开源编码助手 Vibe 构建了一个自主智能体，可读取 Rails 源文件、生成或改进 RSpec 测试，并在 CI/CD 流程中无需人工干预运行。
推荐理由：Mistral 公开了用 Vibe 构建自动写 RSpec 测试智能体的完整方法，包括 AGENTS.md、skills 与自定义工具的具体配置。
Mistral AISI 评分3434 Heaps do lie：排查 vLLM 内存泄漏
Mistral AI 团队在 vLLM 上排查一起内存泄漏：在 Mistral Medium 3.1、开启 graph compilation 的 Prefill/Decode 分离部署下，系统内存以每分钟 400 MB 线性增长，数小时后触发 out of memory。Memray、Guppy 3 均未发现异常，Heaptrack 显示堆内存稳定但峰值 RSS 存在差异，说明泄漏发生在堆之外。
Mistral AISI 评分3434 Mistral 通过微调 Pixtral-12B 提升卫星图像视觉语言模型性能
Mistral 对 Pixtral-12B 进行 LoRA 微调后，在 Aerial Image Dataset（AID）卫星图像分类任务上较基座模型显著提升，改善了密集住宅与中等住宅等易混淆类别的区分能力，并减少了模型幻觉出的无效类别名。