跳到正文

#部署/工程

今日 9 条
10月31日周六
  1. AWS Machine Learning Blog33

    Worldwide Express 利用 Amazon Bedrock 自动化货运异常处理

    Worldwide Express 基于 Amazon Bedrock 构建多智能体 AI 解决方案,接入其运输管理系统 SpeedShip 以自动化处理货运计费异常。上线六个月后,该公司报告活跃异常减少 75%,现金回收时间缩短 4 周,并实现 100 万美元年度节省及 1000 万美元一次性自由现金流注入。此前,该公司每月有 1500 万美元现金流因未解决的计费异常而被冻结,需人工逐一处理。

10月30日周五
  1. Microsoft Research27

    Microsoft 构建行业评估数据生成平台以建立 Copilot 企业级 AI 置信度基准

    Microsoft 构建了行业评估数据生成平台,利用 O*NET、在线招聘及 SEC 文件等公开数据生成全规模合成企业环境,以解决真实数据敏感性与评估需求间的矛盾。该平台通过模拟动态组织结构和自动化查询管道,建立了 Microsoft Copilot 的首个标准化评估基准,确保在完全不接触客户数据的前提下验证 AI 系统的准确性与安全性。

  2. AWS Machine Learning Blog25

    英国 Amazon Quick 用户组 2026 年度回顾:三次季度聚会吸引超 150 人参与

    英国 Amazon Quick 用户组在 2026 年举办了三次季度聚会,累计吸引超过 150 名参与者。活动聚焦于使用 Amazon Quick 构建自定义聊天代理、自动化工作流及通过治理数据层消除仪表盘冗余等实践。这是该用户组自启动以来首次发布的年度总结,展示了社区在 agentic AI 应用方面的增长势头。

  3. AWS Machine Learning Blog44

    MoEngage 利用 AgentCore Gateway 将 400 个 API 转化为智能体工具

    MoEngage 使用 Amazon Bedrock AgentCore Gateway 将 400 个私有 REST API 转化为权限受限的智能体工具,避免了构建 20 个独立 MCP 服务器的复杂性。该方案无需公开端点,将新 API 接入时间从数天缩短至数小时,并节省了约 6 个月的平台工程工作量。此前这些 API 分散在七个 AWS 区域的私有 VPC 中,难以被智能体安全访问。

  4. AWS Machine Learning Blog39

    AWS Batch 为 SageMaker Training 任务推出配额管理功能

    AWS Batch 新增配额管理功能,支持在 SageMaker Training 任务中按团队或项目划分 GPU 容量,并自动共享闲置资源。该功能提供 LEND、BORROW 等策略及跨配额抢占机制,旨在提升多团队环境下的算力利用率。此前 AWS Batch 已支持 SageMaker Training 任务的队列与调度,此次更新进一步解决了多团队共享 GPU 时的协调与配置开销问题。

10月29日周四
  1. AWS Machine Learning Blog30

    Amazon Nova Act 驱动的 QA Studio 新增应用组织与团队权限管理功能

    基于 Amazon Nova Act 构建的 QA Studio 新增应用组织与团队权限管理功能,以解决规模化测试中的归属与访问控制问题。应用功能通过 CloudWatch 指标计算 0-100 健康分并识别不稳定测试,团队管理则实施五级角色权限控制。这是继自然语言测试定义和 CI/CD 批量回归测试后,该参考解决方案的第三部分能力更新。

  2. AWS Machine Learning Blog36

    基于 Amazon Bedrock AgentCore 构建企业级 Agentic AI 平台

    AWS 发布基于 Amazon Bedrock AgentCore 的企业级 Agentic AI 平台参考架构与蓝图。该方案采用联邦式运营模式,通过独立的推理与工具网关、多账户控制平面及自动化评估流水线,实现 Workstream 团队在安全边界内的独立部署、回滚与成本归因。此架构旨在解决多团队构建智能体时的治理漂移、所有权审计及跨账户成本可视化等生产环境瓶颈。

10月28日周三
  1. Hugging Face Blog63

    NVIDIA 发布 Nemotron 3.5 Transcribe 多语言语音转写模型与 Granary v2 数据管道

    NVIDIA 发布开放权重多语言语音转写模型 Nemotron 3.5 Transcribe 与 Granary v2 数据管道,支持40种语言转写、31种互译及13种语言说话人归属。

    推荐理由:NVIDIA开放权重多语言转写模型在多个基准领先,其开放的Granary v2数据管道和微调配方便于开发者适配领域词汇。

  2. AWS Machine Learning Blog50

    Exowatt 借助 SageMaker 无服务器模型定制在专属任务准确性上超越前沿模型

    Exowatt借助Amazon SageMaker AI无服务器模型定制微调Qwen3-1.7B与Qwen3-14B,在告警分类和能源市场分析任务上准确性超越前沿模型且成本最高降至1/49。流水线覆盖数据准备、微调、评估与边云部署,边缘模型量化至8位运行于现有CPU,云端模型经Bedrock导入按活跃计费无闲置成本。该实践源于Exowatt设备群从测试台向制造与现场单元扩展时对可缩放AI层的需求。

  3. AWS Machine Learning Blog50

    AWS 宣布 SageMaker AI 训练与处理作业支持 SOCI 索引镜像,启动从分钟级降至秒级

    AWS 为 SageMaker AI 训练与处理作业推出 SOCI 索引镜像,通过懒加载将容器启动从数分钟缩短至秒级。基准测试显示镜像拉取时 GPU 空闲时间减少最多 90%,训练性能仅首轮多耗 3-16 秒。用户使用预索引 DLC 或自建索引即可接入,无需改动作业定义或 API。

10月27日周二
  1. AWS Machine Learning Blog47

    Amazon Bedrock 上 OpenAI 模型的 AI 智能体提示缓存模式

    在 Amazon Bedrock 上使用 OpenAI 模型时,通过提示缓存可复用智能体重复发送的工具定义与指令,降低输入成本。文章演示了结合隐式与显式缓存,利用 prompt_cache_breakpoint 标记静态前缀,使后续请求仅处理新增内容。此前智能体每轮需重读全部历史,导致 token 费用随轮次线性增加。

10月24日周六
  1. AWS Machine Learning Blog32

    拜耳作物科学基于 Amazon Bedrock AgentCore 构建 Agentic Decision Engine

    拜耳作物科学基于 Amazon Bedrock AgentCore 构建 Agentic Decision Engine (ADE),作为多智能体自然语言接口连接其 Connected Decision Engine。ADE 在生产环境运行 22 个专家智能体,利用 LangGraph 编排,第一阶段可独立解决约 80% 的用户问题。此前诊断工作流故障需超过一小时,现缩短至 10 分钟以内。

  2. AWS Machine Learning Blog35

    AWS CDK 编排 SageMaker AI 端点自动扩缩容

    AWS CDK 通过自定义资源编排 SageMaker AI 端点更新时的自动扩缩容注册与注销流程。该方案解决了 CloudFormation 在更新端点配置时因自动扩缩容目标未注销导致的部署失败或状态丢失问题。开发者可在单次部署中同时更新端点配置和自动扩缩容参数,无需手动干预。

10月23日周五
  1. Hugging Face Blog47

    Hugging Face 推出 TorchNeuron 模型支持查询 Space

    Hugging Face 推出 TorchNeuron 模型支持查询 Space,用于检测 Hub 热门模型在 AWS Trainium 上的兼容性。该工具展示模型运行状态、Trainium 核心分片数及峰值内存,并提供基于 torch-neuronx 的 run.py 脚本供用户自行部署。目前仅测试文本生成和图文转文本模型,结果数据已公开为 Parquet 数据集。

  2. AWS Machine Learning Blog45

    AWS SageMaker AI 无服务器模型定制功能扩展,新增训练会话

    AWS SageMaker AI 无服务器模型定制功能扩展,新增训练会话(Training Sessions)正式可用。该功能允许用户编写自定义后训练逻辑(如 SFT、DPO、RLVR),由 SageMaker AI 自动处理 GPU 分配、分布式执行及故障恢复,无需管理底层基础设施。此前该服务已提供无服务器模型定制,此次更新旨在解决多轮强化学习等复杂场景下的基础设施管理难题。

  3. AWS Machine Learning Blog37

    Rescale 如何利用 Strands Agents 和 AI-DLC 构建 AI 分诊智能体

    Rescale 利用 AWS 的 AI-DLC 框架和 Strands Agents 构建了自动化测试失败分诊智能体,从问题定义到预发布部署仅用五天。该智能体运行在 Amazon EKS 上,调用 Claude Opus 4.8 对端到端测试失败进行分类和路由,并通过 MCP 查询日志生成修复报告。此前 Rescale 工程师需手动处理大量测试失败,导致发布流程受阻。

10月22日周四
  1. NVIDIA Blog40

    NVIDIA 发布 Minerva 实现 AI 工厂端到端可观测性

    NVIDIA 发布 AIOps 平台 Minerva,旨在通过整合基础设施与 AI 工作负载遥测数据,利用专用 AI 模型提升 AI 工厂生产力。该平台构建动态知识图谱,每小时分析数十亿数据点以检测异常并预测故障,将相关事件聚合为单一可操作项。IREN、IBM、Tesla 等合作伙伴计划部署 Minerva,Dell、Lenovo 和 Supermicro 也将将其纳入 AI 工厂运营组合。

  2. AWS Machine Learning Blog61

    AWS Deep Insight 如何解决多智能体系统的五大生产挑战

    AWS解决方案架构团队发文剖析其构建的开源多智能体系统Deep Insight,讲解它如何解决生产环境的五大核心挑战。系统基于Strands Agents SDK与Amazon Bedrock等构建,提供三种部署方式并已在GitHub开源。本文为三部分系列第一篇,后续将涵盖上下文工程与生产部署。

    推荐理由:AWS团队以自研Deep Insight为例,梳理生产环境多智能体系统的五大挑战与架构对策,为类似系统提供可复用的设计与部署参考。

  3. Hugging Face Blog51

    VocabX 如何通过专门化小语言模型词汇表在实际应用中降低 77% 推理成本

    Dharma-AI 在 Hugging Face Blog 发文预览 VocabX 方法,通过按 token 成本而非频率专门化词汇表,在 Qwen3-4B 葡萄牙语评分器上实测推理成本降低 77%。该方法保持基础模型不变,将输出层词汇从约 152,000 压缩至约 65,000,并在合同、代码等五类域对比中均优于参考方法。完整 VocabX 论文将于近期发布。

10月21日周三
  1. NVIDIA Blog29

    NVIDIA cuDSS 正式可用,加速工程与科学模拟

    NVIDIA 宣布 CUDA-X 库 cuDSS 正式可用,通过将大型稀疏系统求解迁移至 GPU 来加速工程与科学模拟。该库支持 C、C++、Python 和 Fortran 接口,可集成至现有软件,帮助开发者在更低成本下探索更大规模模型。Applied Materials 等合作伙伴已集成 cuDSS,在半导体及结构模拟中实现了最高 10 倍的速度提升。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有