跳到正文
10月31日周六
10月30日周五
  1. AWS Machine Learning Blog66

    MoEngage 利用 AgentCore Gateway 将 400 个私有 API 转化为 Agent 工具

    MoEngage 使用 Amazon Bedrock AgentCore 的 AgentCore Gateway 将其内部约 400 个私有 REST API 转化为权限受限的 Agent 工具,避免了构建 20 多个 MCP 服务器的复杂性。该架构满足了不暴露公网、身份结构化隔离和上下文窗口限制等四项约束,使新 API 的接入时间从数天缩短到数小时。

  2. NVIDIA Blog65

    开发者如何利用 Frontier AI Agents 在 Omniverse 中构建模拟应用

    开发者结合 Frontier AI 模型和 NVIDIA Omniverse 库,通过自然语言指令指导 AI Agents 构建各类模拟应用,包括使用 Claude 和 Astra 创建可编辑 3D 资产、测试机器人拆解、重建建筑模型和构建数字孪生。

    推荐理由:文章展示了如何结合前沿 AI 模型和 NVIDIA Omniverse 库,将模拟想法转化为可编辑的 3D 应用和数字孪生。

10月29日周四
  1. AWS Machine Learning Blog51

    使用 Ray Train DLCs 和 EFA 在 EKS 上进行分布式训练

    AWS 提供了 Ray Train Deep Learning Container (DLC),该容器预装了从 CUDA 到 EFA 的完整测试栈,解决了 PyTorch 训练扩展到集群时容器依赖复杂的问题。该示例展示了如何使用 KubeRay 在 Amazon EKS 上,利用 DLC 配合 FSDP 对 Qwen2.5-1.5B 进行微调,所有配置均在外部设置而非重建镜像。

  2. AWS Machine Learning Blog65

    基于Amazon Bedrock AgentCore构建企业级Agentic AI平台架构实践

    该文章介绍了基于Amazon Bedrock AgentCore构建企业级Agentic AI平台的架构和参考实现,旨在解决生产环境中Agent部署的治理、成本和安全瓶颈。该平台采用联邦运营模型,由中央Platform控制平面和可重复的Workstream单元组成,通过推理和工具网关、部署运行时评估等机制实现端到端治理和生命周期管理。

    推荐理由:该蓝图展示了如何在多账户AWS环境中构建受治理的企业级Agentic AI平台,平衡了平台控制与业务团队自治。

  3. NVIDIA Blog66

    NVIDIA RTX Spark 笔记本新增 Nemotron 3.5 Transcribe 模型和 Agent 工具

    NVIDIA RTX Spark 笔记本现已从 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 等厂商处供货,集成了 NVIDIA Blackwell RTX GPU 和 NVIDIA Grace CPU,支持高达 128GB 统一内存和 1 petaflop FP4 AI 性能。

    推荐理由:RTX Spark 笔记本集成了 Blackwell RTX GPU 和 Grace CPU,支持 Nemotron 3.5 Transcribe 等本地 AI 模型和 Agent 工具。

10月28日周三
  1. AWS Machine Learning Blog66

    Property Finder 利用无偏评估和提示词优化提升 Amazon Bedrock 模型性能并降低 86% 成本

    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。

10月27日周二
  1. AWS Machine Learning Blog66

    AI 代理的 Groundhog Day:在 Amazon Bedrock 上使用 OpenAI 模型的提示缓存模式

    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。

10月26日周一
10月24日周六
10月23日周五
10月21日周三
10月8日周四
  1. GitHub Blog · AI & ML65

    GitHub 论述秘密保护需随软件规模扩展并发布新分类器

    GitHub 指出 AI 智能体参与的 Pull Request 比例快速增长,要求秘密保护能力同步提升,而非依赖人工。GitHub 引入了与 Microsoft Applied Sciences 合作的微调分类器,该模型能在两毫秒内评估候选秘密,可使可预防的秘密数量增加一倍以上。

    推荐理由:GitHub 阐述了 AI 驱动代码生成带来的安全挑战,并介绍了新分类器如何提升秘密保护的效率和规模。

7月29日周三
  1. Berkeley AI Research88

    从CUDA到MLX K-Search实现内核知识迁移至Apple Silicon

    研究基于K-Search框架扩展MLX后端,开发了结构化CUDA到MLX翻译层,将CUDA内核的优化知识迁移至Apple Silicon。在Attention内核上,该方法达到0.97x的加速比;在Mamba SSM内核上,实现了比社区mlx-lm高约20倍的Prefill吞吐量。

    推荐理由:研究展示了将CUDA内核知识通过结构化翻译层迁移至MLX,在Apple Silicon上达到接近专家水平的性能。

4月20日周一
  1. Berkeley AI Research55

    GRASP:用于长视野世界模型的基于梯度的规划

    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。