跳到正文

#部署/工程

今日 9 条
10月8日周四
10月7日周三
  1. AWS Machine Learning Blog44

    基于 AgentCore 和 OpenClaw 构建上下文感知 AI 助手

    该方案利用 Amazon Bedrock AgentCore 运行时与开源智能体系统 OpenClaw,构建具备持久记忆能力的上下文感知 AI 助手。系统通过 Claude Haiku 4.5 处理文本、Claude Sonnet 4.5 处理视觉任务,采用按消耗计费模式,轻度个人使用月成本仅约 1-2 美元。整个架构封装在单个 AWS CloudFormation 模板中,支持一键部署。

10月6日周二
  1. AWS Machine Learning Blog37

    Amazon SageMaker AI 推出 aws-ai-ml 技能优化生成式 AI 推理

    Amazon SageMaker AI 推出 aws-ai-ml 技能,通过 Agent Toolkit for AWS 为 Kiro、Claude Code 等支持 MCP 的编码智能体提供推理优化与基准测试能力。该技能可生成可执行的 SageMaker Python SDK v3 代码,协助用户配置部署并比较性能。此前工程师需手动选择实例与容器,该技能旨在缩短从模型到生产环境的流程。

  2. AWS Machine Learning Blog32

    Amazon Quick 用户角色降级操作指南

    Amazon Quick 控制台不支持直接降级用户角色,需通过手动删除重建或 AWS CLI 执行 Admin > Author > Restricted Reader > Reader 的序列。此举旨在落实最小权限原则,并将仅消费仪表盘的 Author 降级为 Reader 以利用会话计费降低固定月费成本。

  3. AWS Machine Learning Blog34

    Amazon Quick 实现跨账户资源自动迁移

    Amazon Quick 推出基于 Amazon Bedrock AgentCore 的 MCP 服务器,实现跨账户资源自动迁移。该工具支持幂等更新与版本备份,可自动复制智能体、连接器及知识库的权限配置。此前此类资源从开发到生产环境的迁移需手动重建,易出错且难以审计。

10月3日周六
10月2日周五
  1. Google Research52

    Google 发布基于 TEE 的下一代联邦学习系统,提供可验证隐私保证

    Google 宣布推出基于 TEE 的下一代联邦学习系统,借助可信执行环境实现端到端可验证数据匿名化。Gboard 已部署该系统训练英文和日语下一词预测模型并获得显著加速。系统将访问策略发布至公共透明日志并开源代码,外部可审计,是 2017 年联邦学习提出后的重要演进。

  2. Kimi 研究博客47

    Kimi 开源 Vendor Verifier 项目以验证开源模型推理实现

    月之暗面随 Kimi K2.6 模型发布开源了 Kimi Vendor Verifier (KVV) 项目,旨在帮助用户验证开源模型推理实现的准确性。该项目包含 OCRBench、AIME2025 等六项关键基准测试,用于检测 KV cache 错误及量化退化等基础设施问题。此前 K2 Thinking 发布后社区频繁反馈基准分数异常,KVV 旨在解决开源生态中工程实现偏差导致的信任危机。

  3. AWS Machine Learning Blog43

    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。

  4. AWS Machine Learning Blog35

    Amazon Quick 推出 Live Data in Apps 功能

    Amazon Quick 推出 Live Data in Apps 功能,允许 AI 构建的应用实时查询受治理的 Quick Sight 数据集。该功能支持 SPICE 和 Direct Query 模式,自动应用行级与列级安全规则,确保用户仅查看授权数据。此前应用仅展示构建时的静态快照,无法反映实时业务指标。

  5. AWS Machine Learning Blog41

    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。

  6. AWS Machine Learning Blog47

    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。

  7. AWS Machine Learning Blog33

    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。

10月1日周四
  1. AWS Machine Learning Blog31

    Condé Nast 如何利用 Amazon Bedrock 构建多模态视频发现系统

    Condé Nast 基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频发现系统,将内容检索时间从 250 分钟缩短至 2 分钟以内。该系统采用 TwelveLabs Marengo 嵌入模型,对超过 140,000 个视频的转录、视觉和音频信号进行联合编码,支持基于意图的语义搜索。此前编辑团队依赖标题和描述手动查找素材,导致运营效率低下。

9月30日周三
9月29日周二
  1. AWS Machine Learning Blog22

    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。

9月28日周一
  1. Mistral AI52

    Mistral 在慕尼黑设立德国枢纽以推进工业 AI

    Mistral 宣布在慕尼黑开设新枢纽,设立专注于物理 AI 和工业 AI 的研究团队,直接服务企业合作伙伴。该枢纽将推进与宝马在碰撞模拟、与西门子能源在工业 AI 应用的合作,并与慕尼黑工业大学建立研究伙伴关系,利用风洞设施开发汽车空气动力学数字孪生。

9月26日周六
  1. AWS Machine Learning Blog34

    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。

9月25日周五
9月24日周四
  1. GitHub Blog · AI & ML42

    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。

© 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