Epsilon 利用 Amazon Nova Act 构建意图驱动的 UI 测试平台
Epsilon 基于 Amazon Nova Act 和 Amazon Bedrock AgentCore Browser 构建了意图驱动的 UI 测试服务,通过自然语言指令执行测试以增强现有 Playwright 回归测试套件。该方案利用 AWS 托管的临时浏览器会话和 IAM 认证,消除了各产品团队维护浏览器基础设施和身份集成的重复工作。
Epsilon 基于 Amazon Nova Act 和 Amazon Bedrock AgentCore Browser 构建了意图驱动的 UI 测试服务,通过自然语言指令执行测试以增强现有 Playwright 回归测试套件。该方案利用 AWS 托管的临时浏览器会话和 IAM 认证,消除了各产品团队维护浏览器基础设施和身份集成的重复工作。
Microsoft Research Focus 第 97 期介绍了 ForkPilot 自改进智能体框架,该框架在六个基准测试中表现最佳,同时将 AI 处理需求降低多达 59%。本期还探讨了编码智能体在理解陌生代码库时的瓶颈,以及 TeleTune 从离线遥测中演化智能体技能的方法。
Ropes & Gray 正与 OpenAI 合作开发用于交易尽职调查的 AI。律师在为客户建议前,会审查分组文档、摘要和报告。
OpenAI 更新了 Model Spec,概述五项核心价值观,引导更强 AI 走向合理判断、人类能动性与忠实人类意图。
Kiro 通过集成 AI 智能体与代码库,利用共享方法论、机械发现扫描器及八阶段工作流,将 PHP 到 Java 的迁移转化为可测量的重复过程。该引擎将原始 PHP 应用视为规范,并通过一致性测试框架验证 Java 移植的正确性。此方法支持在 Kiro 中交互式运行,或通过 AWS Transform 进行大规模自主迁移。
OpenAI 采用分层监控机制检测前沿模型失准及未授权智能体行为。该机制旨在让响应团队在事件升级前进行干预。
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。
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。
NVIDIA Nemotron 3.5 Super VL 作为 120B 参数 MoE 模型加入 AWS,每 token 激活 12B 参数,支持 1M token 上下文及多模态输入。该开源模型在 Hermes Bench 得分 63.44%,可通过 Amazon EKS 和 SageMaker HyperPod EKS 部署,以加速结合推理与视觉理解的智能体工作流。
Mistral 发布多模态 MoE 模型 Mistral Large 4(Le Chonk),总参数约1T、活跃49B、上下文窗口1M tokens,已上线 Hugging Face。该模型在 Artificial Analysis 开源权重情报指数排名第五,网络安全任务中漏洞复现修补达82%,并提供 transformers、vLLM、llama.cpp 首日推理支持。
推荐理由:Mistral Large 4 以开放权重形式发布并配齐 transformers、vLLM、llama.cpp 等首日部署方案,社区可据此在本地搭建可控的防御性安全分析工作流。
Hugging Face 联合多所高校与机构宣布 Project ProtoStar 倡议,推动公共资助科研数据集、模型和代码以 AI-ready 格式开放共享。首个开放挑战由卡内基梅隆大学于 2026 年 11 月 2 日启动,基于 210 个美国城市历史天气数据预测气候指标。Hugging Face 平台已托管超 17000 个科学数据集,2026 年前九月新科学数据集分享量为去年同期三倍多。
IBM 发布 Granite Switch 4.1.1 补丁版本,该版本完全向后兼容 4.1,无需迁移即可部署。更新内容包括支持 10 种语言并原生处理标点符号的 Granite Speech ASR 模型,以及性能提升的 Decision 适配器。此次更新仅重训了适配器,基础模型保持不变,体现了模块化架构的高效性。
Mistral 今日发布改进版 Mistral Large 4 (Le Chonk) 开放权重,该万亿参数多模态模型在编码与防御安全开放基准中领先同类。模型提供低中高三种推理模式平衡成本,在 Artificial Analysis Coding Agent Index 取得 48% 且少耗 47% token。权重已发布于 Hugging Face 支持自托管,本月初曾公开预览。
Hugging Face 发布 AnySpeechRecognizer 和 AnyDecisionModel 两个 Swift 包,让 Apple 平台开发者用熟悉 API 在设备端运行开源语音识别和决策模型。
推荐理由:这两个 Swift 包让 Apple 平台开发者用熟悉 API 在设备端运行多种开源语音与决策模型,扩展原生能力并支持说话人分离。
OpenAI 与 ServiceNow 扩大合作,将 OpenAI 模型和智能体引入 ServiceNow,同时将 ServiceNow 工作流集成至 ChatGPT 和 Codex。
Evernote 使用 ChatGPT Ads 向使用 AI 的用户推广其笔记应用。团队追踪了免费试用转化为付费订阅的频率。
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。
AWS 演示了在 Amazon EKS 上利用 Ray Train DLC 和 EFA 进行 PyTorch 分布式训练的方法。该方案使用预构建的 Ray Train DLC 镜像,通过 KubeRay 在两个 g6.12xlarge 实例上跨 8 个 NVIDIA L4 GPU 微调 Qwen2.5-1.5B 模型。
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。
Google DeepMind 发布 Gemini 4 Carbon 前沿模型,这是其当前最强模型,在网络安全与长程智能体任务上达到 SOTA。模型在 SEC-bench Pro 获 88.2%、ExploitGym 54.8%、CWE-bench 71.0%,定价与 Argon 相同为每百万输入 token $2、输出 $10,本周起向部分网络防御者开放。
推荐理由:相较两周前发布的 Argon,Carbon 在网络安全与对齐基准上显著提升,读者可关注其通过 Fairwind 计划逐步开放的节奏。
OpenAI 发布文章探讨 AI 进入企业组织架构的潜在方式。文章指出 AI 可能以“在我们之下、旁边和之间”的形式融入组织。
Legora 正在构建用于法律工作的智能体操作系统,利用 OpenAI 模型、ChatGPT 和 Codex 加速法律工作流。该系统旨在扩展合同分析能力,使律师能够专注于更高价值的工作。
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。
NVIDIA 发布 Nemotron 3.5 Transcribe 开放权重语音模型,单个提示词模型处理转录、说话人标注与翻译,登顶 Hugging Face Open ASR。该模型约43亿活跃参数,较头部开放模型少80%资源,便于本地硬件运行;RTX Spark 笔记本同步新增代理 GPU 资源分配及 Phantom Blade Zero 等游戏 RTX 支持。
推荐理由:NVIDIA Nemotron 3.5 Transcribe 以约43亿活跃参数登顶 Hugging Face Open ASR,较榜首开放模型省八成参数,便于本地转录。
Legora 正在构建面向法律工作的智能体操作系统。该公司利用 OpenAI 模型、ChatGPT 和 Codex 加速法律工作流程,扩展合同分析能力,并让律师专注于更高价值的工作。
Retell 利用 OpenAI 模型支撑每月 1 亿次通话。GPT-6 Astra 在 Retell 语音智能体基准测试中表现领先,同时 Codex 助力其实现人均 160 万美元的年度收入运行率。
Check Point 利用 OpenAI Daybreak 加速新安全保护背后的漏洞研究。该工具使分析师能够更快地将漏洞情报转化为客户防御措施。
AWS 凭借 Amazon Connect 连续第四年被评为 2026 Gartner Contact Center as a Service (CCaaS) 魔力象限领导者。该服务利用生成式与智能体 AI 构建客户画像,旨在实现全渠道个性化体验与问题彻底解决,而非单纯追求分流。
Google Research 提出 sleep 框架,通过交替主动交互与离线记忆整合使 LLM 持续学习新事实且不灾难性遗忘。该框架利用 MoE 参数扩展与知识蒸馏将短期上下文固化为长期参数,在 BABILong 基准上实现 10M tokens 长上下文近完美缩放,并在 AIME 24/25 与 HMMT 25 推理任务取得 79.2%、69.0%、46.1% 精度,优于 SFT 等基线。
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。
Property Finder 在 Amazon Bedrock 上识别并修复评估集偏差,通过无偏标注与进化提示词优化选用 Llama 4 Maverick 17B Instruct,以86%更低成本获更高精度。
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。
LFM3 提供文本、视觉、音频、omni 和决策等六种 2B 参数级模型,基于统一骨干,可用于构建专用多模态智能体。相比 LFM2 家族,LFM3-1.7B 用少 35% 参数超越 LFM2.5-2.6B;所有模型今天在 Hugging Face 开放权重。
推荐理由:LFM3以统一骨干提供六种2B级模态模型,可在单GPU微调并端侧部署,降低专用多模态智能体构建门槛。
OpenAI 与 Oracle 扩大合作,将商业应用和 AI 智能体引入 ChatGPT。此次合作旨在为 ChatGPT 接入企业级工具,同时支持 Oracle 推出新的 AI 产品。
Google DeepMind 发布 Genie 4 世界模型,可原生生成多模态实时模拟,在物理、人类动作与音频写实度上实现显著提升。该模型借助 Gemini 家族提供推理以维持模拟连贯,目前已向受信测试者开放研究预览,后续将登陆 Google AI Ultra 等平台。
推荐理由:Genie 4将实时世界模拟的写实度、物理与人类动作连贯性推进到新水平,当前仅以研究预览向受信测试者开放。
Ai2 发布研究 Old Ideas, Novel Problems 与评测基准、数据及代码,测试大语言模型判断科研想法新颖性的可靠性,发现提示词微调可使同一模型准确率波动超 50 个百分点。测试涵盖 GPT-5.1、Claude Opus 4.6 等六模型,且检索与额外推理未稳定提升判断,专用评估系统成本更高却弱于简单提示基线。该基准与流水线已开放,可应用于新审稿与其他科学社区。
推荐理由:该研究发布新颖性判断基准与开源流水线,可供研究者量化自动科学发现流程里原创性评估的不稳定性与影响因素。
C-BRAIN 联合 NVIDIA 利用 AI 加速痴呆症研究,将分析周期从数周缩短至数小时。其开源工具 OpenScientist 单次运行成本低于 10 美元,目前已在 200 多个研究组中应用。该联盟于 2025 年 11 月成立,旨在通过整合“暗数据”加速阿尔茨海默病治疗发现。
Greptile 使用 GPT-6 Astra 测试用户工作流,将 Bug 检测能力拓展至代码审查之外。该公司同时利用 Daybreak 强化安全性,并借助 Codex 减少返工。
OpenAI 发布了关于 Kakeya 猜想、指数时间假设(ETH)及量子色动力学(QCD)的模型研究结果。文章同时阐述了研究人员如何验证这些结果并在此基础上进行后续构建。
CodeRabbit 使用 GPT-6.1 Sol 调查复杂代码库中的安全风险。其安全智能体协助开发者审查发现的安全问题及建议的修复方案。