Amazon Bedrock AgentCore Runtime Instances 如何构建多智能体音乐制作流水线
AWS 通过 Amazon Bedrock AgentCore Runtime Instances 搭建了一个由作曲、交付和合规三个智能体组成的音乐制作流水线。
推荐理由：文章通过可运行的音乐制作示例，拆解共享会话、GPU 实例、持久卷和独立部署如何组合成可复用的多智能体工作流。
全部AI 动态
全部动态
今日 2 条AWS Machine Learning Blog精选AI 评分8282 AWS Machine Learning Blog精选AI 评分7171 Amazon Bedrock Knowledge Bases 如何用自然语言查询理赔记录
AWS 介绍如何用 Amazon Bedrock Knowledge Bases 和 Amazon S3 构建带引用的理赔问答助手，通过 AgenticRetrieveStream 处理多轮问题、多条件检索和流式回答。教程还演示了基于元数据的筛选、Amazon Bedrock Guardrails 的上下文接地检查，以及对合成数据集的检索和引用评估。
推荐理由：文章以合成理赔数据演示从文档摄取、自然语言检索到引用和权限控制的完整实现路径，适合迁移到文档问答场景。
AWS Machine Learning Blog精选AI 评分6161 Amazon Quick 提示词工程基础：从 CRISPE 框架到 RFI 自动化
AWS 介绍 Amazon Quick 的提示词工程基础，涵盖具体化表达、上下文设定、少样本示例和 CRISPE 等结构化框架。文章还给出 RADAR、ARCHITECT、QUEST 等组件相关框架，并以 RFI 问卷处理 Flow 展示如何将多标签页 Excel 问题转换为结构化 CSV。
推荐理由：文章将提示词具体化、上下文设定、少样本示例与 CRISPE 等框架整理为可复用方法，并用 RFI 自动化展示其落地方式。
AWS Machine Learning BlogAI 评分5050 Amazon Quick 各组件的提示词工程：模式与常见陷阱
AWS 介绍 Amazon Quick 各组件的提示词工程方法，涵盖 Quick Research、Quick Flows、Quick Sight、聊天智能体和动作集成。文章建议分别明确研究目标、工作流步骤、分析指标、智能体边界以及动作参数，并通过条件、错误处理和执行前审查减少不确定结果。
AWS Machine Learning Blog精选AI 评分6666 用 Amazon Quick 和 Amazon Bedrock AgentCore 构建 AI 合同智能平台
AWS 展示了一套基于 Amazon Quick 和 Amazon Bedrock AgentCore 的合同智能平台，将合同 PDF 转换为可查询的结构化数据，并支持组合分析与单份合同问答。
推荐理由：文章展示了面向多文档聚合的可迁移架构，将结构化提取、独立模型校验与数据库分析结合，弥补单纯 RAG 的局限。
AWS Machine Learning Blog精选AI 评分6464 AWS 在 SageMaker AI 上用 vLLM-Omni 构建实时语音应用 第 1 部分
AWS 介绍如何在 SageMaker AI 上使用 AWS vLLM-Omni DLC 部署 Qwen3-TTS，让文本输入和音频输出通过同一条持久双向连接流式传输。教程提供 GitHub 示例、部署脚本和 Gradio 应用，音频以 24 kHz PCM 分块返回。示例使用 vLLM-Omni v1.5 DLC 与 SageMaker 实例池，并说明了部署、调用和清理端点的步骤。
推荐理由：文章以 Qwen3-TTS 为例展示从模型部署、双向流式传输到 Gradio 调用的完整路径，便于复用这一多模态推理方案。
AWS Machine Learning Blog精选AI 评分6262 教程：AWS 在 SageMaker AI 上用 vLLM-Omni 生成图像并将其动画化为视频
AWS 介绍如何在 Amazon SageMaker AI 上部署两个 vLLM-Omni 端点，将 FLUX.2-klein-4B 生成的图像传给 Wan2.1-VACE-1.3B，生成短视频。图像端点采用实时推理，视频端点采用异步推理，并通过 Amazon S3 传递 multipart 请求和获取 MP4 结果。文章还提供命令行与 Streamlit 示例、部署命令及清理脚本。
推荐理由：文章把图像实时推理与视频异步推理串成可复用流程，并给出部署脚本、请求格式和清理步骤，便于理解两种响应模式的取舍。
AWS Machine Learning Blog精选AI 评分6868 使用 Amazon Nova Act 实现智能体驱动的合成监控
AWS 介绍了如何结合 Amazon Nova Act 与 Amazon Bedrock AgentCore，构建用于验证登录、搜索、购物车和结账流程的智能体驱动合成监控。
推荐理由：文章给出从旅程定义、Agent 部署到定时告警的完整实现路径，并用示例仓库展示如何减少基于 DOM 选择器的维护工作。
AWS Machine Learning Blog精选AI 评分6262 Amazon Textract 适配器跨账户生命周期管理实践
AWS 介绍如何将 Amazon Textract Custom Queries 适配器纳入跨账户生产生命周期管理，覆盖创建、推广、路由与安全配置。文章比较跨账户复制和集中式 Hub 账户两种推广方案，并说明适配器复制只会转移训练模型权重，查询定义与训练数据需要单独维护。
推荐理由：文章把跨账户推广、文档路由和生产安全拆成可实施的架构，并提供 CloudFormation、Terraform 与 CLI 示例，适合评估落地路径。
Simon WillisonAI 评分6161 Kākāpō Party：用 Claude 生成像素动画，再用 Claude Code 录制演讲视频
Simon Willison 用 Claude Opus 5.5 制作了 Kākāpō Party 像素动画，并用 Claude Code 将网页录成演讲收尾幻灯片所需的视频。
GitHub Blog · AI & ML精选AI 评分7272 GitHub Copilot app 初学者指南：如何用 canvases 构建自定义工作流
GitHub Copilot app 的 canvases 可根据自然语言描述生成自定义界面，让用户与 Agent 共同操作看板、清单、表单或其他工作流。用户可在 Agent 会话中运行 `/create-canvas`，描述工作流、界面操作和 Agent 能力，系统会生成并打开对应界面。创建后的 canvas 可保存为扩展，供团队共享或个人重复使用。
推荐理由：文章通过 /create-canvas 的具体流程，说明如何让用户与 Agent 共同维护可交互界面，并将其保存为团队或个人扩展。
AWS Machine Learning BlogAI 评分5959 AWS 介绍如何借助 EKS、EFA 和 DeepEP 扩展 MoE 强化学习并提升 40% 吞吐
AWS 介绍了一套基于 Amazon EKS、EFA、DeepEP 和 Amazon S3 的 MoE 强化学习扩展架构，用于协调 rollout 生成与策略训练。
AWS Machine Learning BlogAI 评分5757 AWS 如何用 SkyRL 在 Amazon SageMaker HyperPod 上加速多模态 RL 训练
AWS 介绍了在 Amazon SageMaker HyperPod 上使用 SkyRL 对 Qwen3-VL-8B 进行多模态 RL 训练的完整流程。该流程结合 Ray、vLLM、FSDP、LoRA 和 Amazon FSx for Lustre，并通过检查点和集群容错支持长时间多节点训练。
AWS Machine Learning Blog精选AI 评分6767 NarrateAI：在 Amazon Bedrock 上构建生产级 LLM 质量保障
AWS 介绍了运行在 Amazon Bedrock 上的 NarrateAI 质量保障架构，通过自适应流水线编排、跨账户多模型故障切换、实时流式评估、组合式评估和数据准确性核验，支持实时生成经过验证的回答。该系统在覆盖 4,000 多名用户的六个月部署中，响应约 13 秒开始流式输出，数值准确率达到 99.3%。
推荐理由：文章把查询路由、跨账户多模型故障切换、流式评估与数值核验串成一条工程链，适合参考生产级 LLM 应用如何兼顾准确性、延迟和吞吐。
AWS Machine Learning Blog精选AI 评分6666 AWS 教程：在 Amazon SageMaker AI 上部署 Qwen3-TTS 实时声音克隆
AWS 介绍了如何通过 Amazon SageMaker JumpStart，将公开可用的 Qwen3-TTS-12Hz-1.7B-Base 部署到 Amazon SageMaker AI 实时推理端点，实现基于短音频和文本转录的声音克隆。教程涵盖 24 GB NVIDIA L4 GPU 配置、跨语言声音克隆、请求调用以及 Amazon CloudWatch 监控。
推荐理由：文章给出从 JumpStart 部署 Qwen3-TTS 并调用实时端点完成声音克隆的完整步骤，涵盖 GPU 内存配置和 CloudWatch 监控。
GitHub Blog · AI & ML精选AI 评分7575 GitHub Copilot 中的 canvas：为什么聊天界面并不总是合适
GitHub Copilot 应用中的 canvas 是运行在应用内、无浏览器界面的 full-stack app，可与 Agent 双向通信，让用户为具体任务生成定制界面。文章以 Connect 4、Winget、SQLite 和开发工作流为例，展示 canvas 如何支持游戏交互、本地包管理、数据库操作和流程自动化。
推荐理由：文章通过 Connect 4、Winget、SQLite 和开发流程案例，说明 GitHub Copilot canvas 如何把智能体交互转成可操作的任务界面。
GitHub Blog · AI & ML精选AI 评分7777 GitHub Security Lab Taskflow Agent 实现 AI 驱动的 C/C++ 模糊测试
基于 GitHub Security Lab Taskflow Agent 构建的 Fuzzing Taskflow，可为 C/C++ 项目自动完成入口识别、构建分析、harness 编写、AFL++ 运行、覆盖率改进、崩溃分诊和漏洞报告生成。
推荐理由：文章具体拆解了 Fuzzing Taskflow 如何把 C/C++ 模糊测试中的 harness 编写、覆盖率反馈和崩溃分诊交给 LLM agent，并说明运行时的安全边界。
GitHub Blog · AI & ML精选AI 评分7474 GitHub 如何用 GitHub Copilot 将活动运营代码化
GitHub 日本和韩国市场的营销负责人使用 GitHub Copilot，将活动策划、报名筛选和会后跟进串成由 GitHub Issue 触发的自动化流程。GitHub Actions 负责创建落地页、生成 UTM 链接、处理名单和更新项目看板，GitHub Copilot skills 则以 SKILL.md 描述灵活的会后步骤。
推荐理由：文章给出一套从 Issue 表单、标签和 Actions 到 SKILL.md 的营销自动化实践，展示如何在保留人工审批的同时减少跨工具重复操作。
GitHub Blog · AI & ML精选AI 评分7171 GitHub Copilot 初学者指南：使用 diff、terminal 和 browser
GitHub Copilot app 将 diff、terminal 和 browser 作为内置面板，让用户在同一处审查 Agent 的代码变更、运行项目命令并预览网站效果。用户可以通过 Pick & Polish 工具选择界面元素并让 Agent 调整，确认功能可用后直接接受变更并创建 pull request。
推荐理由：文章把审查代码变更、运行命令和浏览器预览串成一套流程，帮助读者在接受 Agent 生成的代码前完成验证。
Hugging Face Blog精选AI 评分7575 Hugging Face Jobs 上用 LoRA 实现无需 NCCL 的 Async GRPO
Hugging Face 展示了在 Hugging Face Jobs 上运行 Async GRPO 的方案，用 LoRA adapter、Storage Bucket 和代理连接分离的训练 Job 与 vLLM Job，无需 NCCL 传输完整模型权重。
推荐理由：文章把跨机器训练与推理的实现拆成可复用组件，并用指标定位瓶颈，给出从 3 h 27 min 降至 53 min 的调优路径。
Mistral AI精选AI 评分6969 Mistral AI 如何用 AI 智能体现代化复杂遗留代码
Mistral AI 协助一家欧洲能源运营商将40,000行 Fortran 77 迁移到 C++，目标系统是没有测试套件和集中式文档的物理密集型储层模拟器。团队先建立数值对齐测试框架并整理代码文档，再按模块组织规划、实现、测试和审查流程，由人工审核 PR；首个 sprint 覆盖了300,000行代码中的40,000行。
推荐理由：文章把复杂遗留代码迁移拆成文档整理、数值对齐和分模块协作三步，呈现了 AI 智能体在人工审核下落地的具体路径。
GitHub Blog · AI & ML精选AI 评分6666 GitHub Copilot 初学者指南：如何同时运行多个智能体
GitHub Copilot app 支持通过彼此独立的 Agent session 同时运行多个任务，任务之间不会互相干扰。每个 session 使用独立的 Git worktree 并保留自己的上下文，用户可在 sessions view 中查看进度和结果。文章以添加 funded sort、进行无障碍检查和运行测试为例，展示并行处理方式。
推荐理由：文章以 Git worktrees 和独立上下文为主线，说明如何在 GitHub Copilot app 中并行安排开发、无障碍检查与测试任务。
Hugging Face Blog精选AI 评分7070 如何用 TRL 和 OpenEnv 训练 Qwen3.5-35B-A3B 编写水彩画代码
作者用 TRL 和 OpenEnv 复现水彩画代码训练方法，通过 GRPO 训练 Qwen3.5-35B-A3B，让模型编写调用 p5.brush 的 JavaScript，并向个人审美偏好靠拢。
推荐理由：将通用审美评分与人工筛选参考图的对比奖励分开实验，展示了减少劣质输出与贴近个人画风是两种不同的训练目标。
Hugging Face Blog精选AI 评分6060 LFM2.5-350M 如何用 GRPO 提升结构化输出合规性
Hugging Face Blog 给出使用 TRL 和 GRPO 微调 LFM2.5-350M 的公开流程，在约 500 个样本和 100 个训练步骤后，IFStruct 通过率从 22.6% 提升至 29.7%。该流程使用 LoRA 训练约 6M 参数，并在相同服务栈下比较基础模型与微调模型，JSON 通过率由 18.0% 提升至 31.9%，YAML 由 27.2% 变为 27.5%。
推荐理由：文章给出基于 TRL 和 GRPO 的小模型结构化输出微调流程，并用同一 IFStruct 服务栈展示 22.6% 到 29.7% 的可复现实测变化。
Hugging Face Blog精选AI 评分7474 Sentence Transformers 如何训练和微调多向量嵌入模型
Sentence Transformers v6.0 引入 MultiVectorEncoder，并提供面向 ColBERT 风格 late interaction 检索的训练与微调流程。
推荐理由：文章把 MultiVectorEncoder 的训练组件、数据格式和损失函数串成可运行流程，并用医疗检索实验展示领域微调与索引压缩的取舍。
Hugging Face Blog精选AI 评分6969 Hugging Face 如何用 Inference Endpoints、Jobs 和 Buckets 支撑 Papers with Code 搜索
Hugging Face 介绍了 Papers with Code 的混合搜索架构，将 PostgreSQL 全文搜索与 pgvector 语义检索结合，并用 RRF 融合结果。
推荐理由：文章拆解了 Papers with Code 将批量向量化与在线查询分离的架构，并展示冷启动回退、版本校验和原子切换如何支撑可复现部署。
Hugging Face Blog精选AI 评分7979 Sentence Transformers v6.0 新增 MultiVectorEncoder，支持 ColBERT 风格的 late interaction 检索
Sentence Transformers v6.0 新增 MultiVectorEncoder 模型类型，支持 ColBERT 风格的 late interaction 检索。
推荐理由：文章将 MultiVectorEncoder 的 late interaction 原理、索引开销与接入方式放在一起，并覆盖文本和视觉文档检索等实际场景。
Hugging Face Blog精选AI 评分6464 相同集群利用率提升33个百分点：GPU 分配器改变的是调度顺序
Dharma AI 构建约束感知 GPU 分配器，并在七个基准场景中与 FIFO 调度器比较；相同硬件和工作负载下，GPU 利用率最高提升33个百分点，优先级加权产出最高提升105.1%。分配器按实时需求曲线和批处理作业优先级规划整个调度周期，在64 GPUs、30 jobs的规模测试中以15 ms延迟带来15.9%的价值提升。
推荐理由：文章用七个场景比较约束感知 GPU 分配器与 FIFO 调度器，展示同等硬件和工作负载下，调度顺序如何影响利用率与优先级加权产出。
Hugging Face Blog精选AI 评分6969 用 Strands Agents、LeRobot 与 Hugging Face Storage Buckets 完成机器人数据记录、训练与部署
Strands Robots 将机器人示范记录、同步、流式训练和策略部署串成一条数据闭环，数据全程保持 LeRobot 格式。教程展示了如何把数据同步到 Hugging Face Storage Bucket，通过 Xet 仅上传变化字节，并从 Hub 流式读取训练而不先完整下载；训练后的 checkpoint 可通过 mode="real" 部署回实体机器人。
推荐理由：文章把机器人示范采集、数据同步、流式训练和策略部署串成一条可运行链路，展示了 Storage Buckets 如何减少重复传输。
Hugging Face Blog精选AI 评分6363 Agent 中的模型路由看似简单，直到它变得复杂
作者将 Agent 中的模型路由从分类问题转为同时优化成本、质量和延迟的系统优化问题。在 AppWorld Test Challenge 的 417 个任务中，使用同一 CodeAct agent 时，Claude Sonnet 4.6 总成本为 $79，而 GPT-4.1 为 $155，缓存读取价格差异是重要原因之一。
推荐理由：文章用实测数据说明模型路由的真实成本受缓存、基础设施和治理约束共同影响，适合用于理解智能体路由的系统优化视角。
Hugging Face Blog精选AI 评分7373 PyTorch 性能分析（第 3 部分）：用 profiler 分析 Attention
Hugging Face Blog 通过 profiler 分析 PyTorch 中的朴素 Attention、原地掩码操作和 SDPA 各后端，展示不同实现的 kernel 与 CPU、GPU 开销。
推荐理由：文章通过逐层对比 profiler trace，解释 Attention 的 kernel、显存流量与 CPU 开销如何变化，为定位 GPU 性能瓶颈提供可复用的阅读方法。
Hugging Face Blog精选AI 评分6666 PRX 第四部分：数据策略
PRX 团队介绍了其图像生成模型的预训练数据流程：混合公共与内部数据集，使用 VLM 为图像生成长描述，并以 Lance 构建和探索数据、以 Mosaic Data Shards（MDS）供训练流式读取。团队在数亿级数据上采用 JPEG quality 92、分辨率与宽高比分桶、基于 caption 的过滤和感知哈希去重，并选择 Qwen3-VL-8B 作为 captioner。
推荐理由：文章把 PRX 的大规模图像训练数据流程拆成可复用环节，覆盖数据探索、VLM 重标注、格式转换、过滤去重及工程取舍。
Mistral AI精选AI 评分6161 Mistral AI 如何构建自动生成 Rails 测试的智能体
Mistral AI 基于开源编码助手 Vibe 构建了一个自动生成和改进 Rails RSpec 测试的智能体，可读取源文件、执行测试并通过 RuboCop 和 SimpleCov 自我校正。该智能体处理了 275 个源文件，测试通过率和平均代码覆盖率均为 100%，RuboCop 违规数为 0，LLM-as-a-judge 得分为 0.74。
推荐理由：文章拆解了用 AGENTS.md、分类技能和自定义工具约束智能体生成测试的做法，并给出真实代码库中的量化结果。
Mistral AI精选AI 评分6868 Mistral AI 如何定位并修复 vLLM 的内存泄漏
Mistral AI 定位了 vLLM 在启用 graph compilation 和 NIXL 的 Prefill/Decode disaggregated serving 中出现的内存泄漏，根因是 UCX 的 mmap hook 机制导致匿名内存持续增长。
推荐理由：文章以真实的 vLLM 生产前测试故障为例，串联 Heaptrack、pmap、BPFtrace 和 GDB 的定位过程，并给出 UCX 配置层面的修复路径。
Mistral AIAI 评分5757 Mistral AI 介绍如何通过微调提升 Pixtral-12B 的卫星图像分类效果
Mistral AI 介绍使用 LoRA 微调 Pixtral-12B 进行卫星图像分类的方法，并通过 Aerial Image Dataset 展示领域适配效果。
Mistral AIAI 评分5858 Mistral AI 用智能体工作流将会议内容转为 PRD 和开发工单
Mistral AI 展示了 TranscriptToPRDTicket 智能体工作流，可从会议转录自动生成 PRD 和开发工单。流程由 PRDAgent 和 TicketCreationAgent 组成，基于 Mistral Large 2，并可将工单创建到 Linear 或 Jira；完整实现已发布在 Google Colab notebook 中。