Property Finder 发现 96.8% 的评估标签源自单一模型预测而非人工验证，导致模型比较存在评估偏差。团队通过构建无偏的专家标注基准，并应用进化式提示词优化，最终选择 Llama 4 Maverick 17B Instruct，在 356 张图像评估集上达到 Micro F1 0.80，成本降低 86%。
推荐理由：文章分享了如何识别评估偏差、构建无偏基准并应用进化式提示词优化以提升模型性能和降低成本。
C-BRAIN 与 NVIDIA 合作，利用 AI 解决全球 5700 万痴呆症患者面临的数据过载和发现速度慢的问题。该系统采用混合集中和联邦方法处理机构“暗数据”，目前运行 64 NVIDIA data center GPUs，并计划引入 NVIDIA Blackwell systems。
Greptile 使用 GPT-6 Astra 测试用户工作流程，并结合 Daybreak 强化安全和 Codex 减少返工。该系统将 bug 检测能力扩展至用户工作流层面，而非仅限于代码审查。
本文介绍了在 Amazon Bedrock 上使用 OpenAI 模型时，如何通过提示缓存模式让 AI 代理记住上下文，从而降低成本并提升响应一致性。文章演示了显式与隐式缓存的使用方法、缓存边界设置、工具列表变更处理以及多代理协作的热身策略，并给出了 GPT‑6 Astra 在六轮对话中的成本节省数据。
推荐理由：本文展示了在 Amazon Bedrock 上使用 OpenAI 模型的提示缓存模式，帮助读者显著降低成本并提升代理响应效率。
该方案使用 AWS CDK 构建了基于托管 Amazon Bedrock 知识库的企业级智能体检索系统，支持多知识库语义路由和推理智能体。系统内置了七层可观测性（如 CloudWatch 仪表板）以及按需和连续的评估机制，所有组件均可通过单条 cdk deploy 命令部署。
推荐理由：该方案展示了如何利用托管知识库构建企业级智能体检索，并内置了七层可观测性和评估能力。
CodeRabbit 利用 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阅发现的安全问题及建议的修复方案。
Amazon SageMaker AI 通过多轮强化学习（MTRL）将 GPT-OSS-20B 在 Wordle 任务中的解题率从 61% 提升至 84%，成本约 339 美元。MTRL 采用无服务器训练，支持 GPT-OSS-20B 与 Gemma 4 31B，并通过 LoRA 适配器微调。
本文介绍 Bayer Crop Science 如何在 Amazon Bedrock AgentCore 上构建 Agentic 决策引擎（ADE），并与 AWS Unified Operations 合作完成设计、部署与运维。
推荐理由：文章详细阐述了如何在 Amazon Bedrock AgentCore 上构建多代理决策引擎，并给出关键设计决策与运维经验，帮助读者快速落地类似系统。
Flint-interactive 是一种用于创建交互式数据可视化的语言，支持通过点击、过滤、缩放、突出显示和跨图表交互等方式与图表交互。它利用高层语义事件和更新操作简化交互逻辑，Flint 编译器自动解析触发器并生成视觉更新，降低布局、渲染和调试难度。Flint-interactive 可在聊天、仪表盘、数据故事等场景中使用，并支持与表格、文本、应用状态等外部元素联动。
NVIDIA 在欧洲零售业通过开放模型和物理智能实现数字发现到实体运营的转型。
推荐理由：文章展示了 NVIDIA 技术在欧洲零售业的多场景落地，读者可了解其成本与性能提升的具体案例。
GitHub Copilot app 允许用户在 VS Code 中继续已开启的会话，保持对话、代码变更和工作上下文完整。用户可在 VS Code 侧边栏查看差异、手动编辑、运行本地测试，并将更新推送到对应的 Pull Request。
Google Antigravity 平台通过与 AI 代理协作，帮助生物学家快速发现并评估抗菌肽候选物。平台利用 ProtNLM 对 UniProt 中数百万未注释蛋白进行功能预测，并提供 3D 结构视图与交互式协作工具，已在实验室验证中发现一条针对 Streptococcus pseudopneumoniae 的新候选抗菌肽。
GitHub Copilot app for Beginners 通过四种方式帮助 Copilot 理解代码库规则，包括 Custom instructions、Agent skills、Custom agents 和 Model Context Protocol (MCP) servers。
StudentSim 是一个研究系统，用于在与真实学习者测试前评估和改进 AI 导师，它不是产品且不部署于课堂。该系统利用公开的去标识化学习记录训练个性化 AI 学生模拟器，并引入 StudentSimEval 基准，覆盖国际象棋、英语写作和数学三个领域。
Microsoft Research Asia 发布了 Agent Lightning v1.0，一款约 3,500 行代码的轻量化 Agentic RL 框架，能够直接使用真实代理器进行强化学习训练。框架支持 Kubernetes 原生运行、数据高效训练，并在 Qwen3.5-9B 上通过 6,000 条样本提升 Pass@1 从 41.8% 提升至 56.4%，实现 14.6 点的显著提升。
推荐理由：该框架通过将真实代理器集成到强化学习中，显著提升了 Qwen3.5-9B 在 SWE-bench Verified 上的 Pass@1，展示了轻量化、Kubernetes 原生支持和数据高效训练的可行性。
Microsoft Research 开发端到端机器学习管道，能在美国大陆 66,935 个变电站上提前 30~60 分钟预测空间天气风险，并在评估期内检测到近 80% 的重大事件。系统融合 L1 太阳风观测、AE 与 Dst 指数预测、地质导电率等特征，利用梯度提升模型估算 dB/dt，检测率分别为 76.5%（重大）、81.2%（严重）和 64.1%（极端）。
GitHub Copilot app 引入 canvas（canvas extension）功能，允许用户根据所需工作流创建可定制的界面，而非适应固定屏幕。用户通过 `/create-canvas` 技能并用自然语言描述工作流、界面操作和 Agent 能力来生成界面，如发布说明或看板。该 canvas 是双向的，用户操作和 Agent 更新实时同步，且创建的 canvas 可保存为扩展供团队共享。
ABBEL 是一个框架，它将摘要转化为自然语言信念状态，并引入信念分级来监督每个信念状态的内容，以解决 LLM 长上下文窗口无法无限扩展的问题。在 CollabBench 协作编码任务中，ABBEL-rec-BG 减少了与全上下文模型的性能差距约 50%，且训练步数减少 50%。
随着 GPT‑4 级别推理成本从 2023 年的每百万 token 约 $30 降至今日不到 $1，甚至低于 $0.10，AI 正进入几乎免费时代。作者提出三大挑战：为代理设计数据系统、为代理构建可管理状态的系统，以及让代理自己合成可信的数据系统。
GRASP 是一个用于学习动力学（世界模型）的基于梯度的规划器，通过将轨迹提升到虚拟状态实现跨时间的并行优化，并向状态迭代中添加随机性以进行探索。研究表明，在 H=80 的测试中，GRASP 的成功率达到 10.4%，中位成功时间为 58.9s，优于其他方法。