跳到正文

#Agent

今日 11 条
11月9日周一
  1. NVIDIA Blog62

    NVIDIA在CoRL发布GR00T 2开源世界动作模型及Isaac Lab 3.0等机器人仿真技术

    NVIDIA在CoRL发布GR00T 2开源世界动作模型与Isaac Lab 3.0等机器人仿真训练技术。GR00T 2仅凭每任务一次演示在50项任务中平均成功率达71%,Isaac Lab 3.0集成Newton物理引擎将训练吞吐提升至Isaac Lab 2.3的2.5倍。这些开源进展旨在助力机器人从实验室演示走向工业部署。

    推荐理由:NVIDIA在CoRL开源GR00T 2与Isaac Lab 3.0,研究者可借此在仿真里训练机器人精密操纵能力。

11月7日周六
  1. GitHub Blog · AI & ML51

    GitHub Copilot 代理工程指南:超越代码生成

    开发者可使用 GitHub Copilot 在 Plan、Build、Verify、Observe 四阶段实现代理工程工作流。文章指出 AI 代码生成增多使评审耗时拉长,并演示了整合上下文、云沙箱续跑、堆叠 PR、自动修复等做法。该指南基于 GitHub 现有功能,并在 GitHub Universe 2026 有过现场分享。

  2. AWS Machine Learning Blog50

    Greenlight Financial 基于 Amazon Bedrock AgentCore 构建自主 SOC 解决方案

    Greenlight Financial 利用 Amazon Bedrock AgentCore 构建自主安全运营中心(SOC),每月无干预解决超过 90% 的 4,000 起安全与风险案例。该系统采用分层多智能体架构,包含 30 多个专用智能体,常规案例中位分诊时间为个位数秒。此前人工处理单起案例需 15-30 分钟,该方案实现了在金融合规框架下的自动化分诊与复杂案例升级。

  3. AWS Machine Learning Blog40

    AWS 演示 Amazon Bedrock AgentCore 与 Okta XAA 构建企业级 AI Agent 访问治理

    AWS 演示利用 Amazon Bedrock AgentCore Gateway 和 Cedar 策略集中管理 AI Agent 对 MCP 工具的访问权限,替代分散的授权检查。该方案支持在 Amazon EKS 上运行多 Agent,并通过 CloudWatch 统一审计 Okta 授权决策。这是继 Part 1 验证基础治理机制后,针对企业级大规模 Agent 拓扑的扩展方案。

  4. AWS Machine Learning Blog45

    AWS 在 Amazon ECS Fargate 上构建无服务器 MCP 服务器以访问 AI 智能体数据湖

    AWS 团队在 Amazon ECS Fargate 上构建了无服务器 MCP 服务器,作为 AI 智能体与企业数据湖之间的集中式网关。该架构采用元数据驱动方式,新增数据集仅需提供 JSON 元数据文件即可自动发现,无需编写集成代码。此方案旨在解决 Amazon 北美分拣中心(NASC)规划团队中数据访问碎片化及新数据源接入耗时数天的问题。

  5. AWS Machine Learning Blog50

    AWS Quick 智能体原语分类法:触发器、智能体与能力

    AWS 在构建 Quick 时确立了智能体原语分类法,将工作分解为触发器、智能体和能力三个核心组件。该框架通过“何时、何事、谁、如何”四个问题定义系统结构,其中触发器负责激活任务,智能体作为持久学习主体执行工作,能力则涵盖工具、技能及工作流。这是 AWS 智能体操作系统系列文章的首篇,旨在为底层构建者提供共享词汇。

11月6日周五
  1. Hugging Face Blog55

    AI2 发布 ToyBlocks 受控机器人学习与评估模拟框架

    AI2 发布 ToyBlocks 受控机器人学习评估模拟框架,开源模拟资产、自动化演示生成器与 85,336 条长程演示数据。该框架支持隔离高低层失败原因并测试 VLA 空间泛化,真实 FR3 机械臂零样本堆叠成功率为 50%。此为 FoundationWorlds 首个环境,几周后计划发布更大数据集与 RL 训练能力。

  2. AWS Machine Learning Blog52

    Amazon Bedrock AgentCore Web Answer 上手指南

    文章介绍了在 Amazon Bedrock AgentCore 上使用 Web Answer 的方法,包括授权、添加目标与从 Strands 代理调用。Web Answer 将搜索、检索、合成与引用流水线合并为一次 MCP 工具调用,返回带源引用的答案。该功能已在 us-east-1 一般可用,定价为 $10 per 1,000 tool calls。

11月5日周四
  1. AWS Machine Learning Blog58

    Deep Insight 如何在工作代码中应用生产 AI 智能体的四层上下文工程

    Deep Insight 通过工作代码展示了生产 AI 智能体的四层上下文工程实现,涵盖架构隔离、提示控制、文件外置与验证防护。参考实现中单一写执行工具使脚本新增上下文 token 减少约95%,按需加载技能缩减系统提示约97%。这是文章系列 Part 2,基于 Part 1 提出的多智能体挑战与 Strands Agents SDK 架构。

  2. AWS Machine Learning Blog37

    AWS Quick 推出 Smart Approvals 实现关键操作人工监督

    AWS Quick 推出 Smart Approvals 功能,利用独立分类器模型评估 AI 智能体拟执行的操作,在符合现有权限控制的前提下自动批准常规动作或将其退回用户审查。该功能默认开启,每次自动批准仅限单次使用且针对特定参数,不授予持续权限,旨在减少重复审批对注意力的干扰。审计日志通过 AWS CloudTrail 记录相关权限更新,保留期为 90 天。

11月4日周三
  1. Google DeepMind60

    Google Antigravity 演示化学信息学技能加速药物发现

    Google DeepMind 于2026年11月3日演示 Google Antigravity 配备 Cheminformatics Skills 可将药物发现迭代从数天缩至1小时。演示以肺癌药物为例展示代理搜索化合物、构建预测模型并提议合成路线,技能现已向企业用户和科学家开放。

    推荐理由:原文演示 Google Antigravity 化学信息学技能将药物发现从数天缩至一小时,可参考其人机协作方式。

  2. AWS Machine Learning Blog25

    Gen Digital 如何利用 Amazon Bedrock AgentCore Web Search 构建 Norton Revamp 的 AI 新闻引擎

    Gen Digital 利用 Amazon Bedrock AgentCore Web Search 构建了 Norton Revamp 的 AI 新闻引擎,实现基于实时网络知识的个性化内容推荐。该引擎通过 MCP 合规的托管连接器获取带引用的实时数据,驱动新闻流、内容建议及目标设定功能。Norton Revamp 于 2026 年 3 月上线,旨在帮助专业人士管理在线声誉。

  3. AWS Machine Learning Blog25

    Amazon Quick 如何整合结构化与非结构化数据

    Amazon Quick 通过统一体验连接 S3 知识库与增强数据集,允许用户通过单一对话式 AI 智能体查询结构化与非结构化数据。该方案利用 Space 整合数据源,智能体可自动判断查询类型并返回带引用的综合响应,同时应用内置 AI 护栏。此功能需 Amazon Quick Enterprise 订阅,旨在解决多工具切换与手动关联结果的痛点。

11月3日周二
  1. AWS Machine Learning Blog44

    Circle K 利用 Amazon Bedrock 将 DevOps 事件分诊时间缩短至 15 分钟以内

    Circle K 基于 Amazon Bedrock 构建自动化分诊系统,将平均事件分诊时间从 45-60 分钟缩短至 15 分钟以内,降幅达 67-75%。该系统采用 agentic AI 架构,通过 Amazon Bedrock Flows 协调多个智能体并行查询日志与基础设施状态,并在数分钟内向 Slack 推送结构化摘要。此前工程师需手动跨多个工具排查,导致分诊耗时随服务规模增长而增加。

10月31日周六
  1. AWS Machine Learning Blog39

    Amazon Bedrock 端到端成本管理:面向 FinOps 与平台团队的实践指南

    文章提出了一套基于 Amazon Bedrock 的五阶段成本管理运营模型,涵盖成本归属、请求观测、预算执行、平台优化及定期审查。该模型利用 IAM 身份实现发票级成本归属,并通过每用户会话管理解决共享角色导致的归属缺失问题。此方法旨在将生成式 AI 成本管理从简单的模型比价转变为架构与运营纪律,以应对 Agentic 工作负载带来的 token 消耗激增。

© 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