跳到正文
只看一手
10月24日周六
  1. OpenAI News63

    OpenAI 增强前沿模型训练环境的安全性与红队测试机制

    OpenAI 增强了内部前沿模型训练和评估的容器化隔离机制，并使用最强模型对基础设施进行了大规模红队测试。研究人员实施了无互联网访问政策、构建了离线网页世界，并在修复发现的漏洞后于 10 月 1 日恢复了前沿模型的强化学习训练和内部推理。

    发布时间：

    推荐理由：文章详细披露了前沿模型训练环境的安全加固措施与红队测试方法，展示了如何通过纵深防御和离线环境管控模型风险。

  2. Google Research60

    Google Research 探讨将基础模型应用于结核病筛查前线

    Google Research 介绍了其将医疗人工智能研究转化为结核病筛查实际应用的成果，涵盖从胸部 X 光人工智能算法验证、通过合作伙伴获得医疗器械认证，到开源 MedGemma 和 MedSigLIP 基础模型以支持全球公共卫生体系的过程。

    发布时间：

    推荐理由：原文梳理了医疗人工智能从算法研究到临床落地及开源模型赋能的完整路径，读者可以据此了解如何通过开放基础模型推进全球公共卫生筛查。

  3. AWS Machine Learning Blog65

    Amazon SageMaker AI 多轮强化学习实战指南

    AWS 团队发布了在 Amazon SageMaker AI 上使用多轮强化学习（MTRL）训练大模型的实战指南，以 Wordle 游戏为例展示了将智能体部署至 Amazon Bedrock AgentCore 并通过 GRPO 算法训练的端到端流程。文章详细介绍了系统架构、奖励函数设计、MLflow 监控及在服务设置下的评估表现。

    发布时间：

    推荐理由：文章以 Wordle 为例演示了在 Amazon SageMaker AI 上使用多轮强化学习训练智能体的方法，读者可以参考其架构设计、奖励函数编写与端到端评测流程。

  4. AWS Machine Learning Blog62

    AWS 宣布拜耳作物科学基于 Amazon Bedrock AgentCore 构建智能体决策引擎

    AWS 官方博客介绍了拜耳作物科学如何利用 Amazon Bedrock AgentCore 构建多智能体决策引擎（ADE），在生产环境中运行 22 个专有智能体以简化农业机器学习工作流。该系统采用 LangGraph 进行路由编排，通过 AgentCore Gateway 对接下游工具，在上线初期无需人工介入即可解决约 80% 的用户问题。

    发布时间：

    推荐理由：该案例展示了企业如何基于托管服务构建多智能体决策引擎，读者可以了解多智能体架构设计与生产环境落地的实际权衡。

  5. AWS Machine Learning Blog24

    如何在 Amazon QuickSight 图层地图中使用 GeoJSON 可视化点与路线

    Amazon QuickSight 图层地图现已支持 Point 和 LineString 两种新的几何类型，允许用户通过 GeoJSON 工作流绘制特定位置或连接路线。文章详细介绍了数据集与 GeoJSON 结构的配置要求，并通过实例演示了如何将路线和零售商店点绘制到图层地图中。

    发布时间：
  6. AWS Machine Learning Blog55

    使用 AWS CDK 编排 SageMaker AI 端点自动缩放

    AWS 官方博客介绍了如何使用可重用的 CDK 构件与 CloudFormation 自定义资源，在更新 SageMaker AI 端点时自动编排自动缩放目标的注销与注册。该方案通过三个自定义资源处理依赖顺序，使开发者能够在单次部署中同时更新端点配置和自动缩放参数而无需手动干预。

    发布时间：
  7. OpenAI News63

    OpenAI 披露将在线存储平台 Habitat 扩展至服务超 10 亿 ChatGPT 用户的技术演进第二部分

    OpenAI 官方发布了关于其在线存储平台 Habitat 扩展至服务超 10 亿 ChatGPT 用户的技术文章第二部分，详细介绍了如何优化底层 Azure Cosmos DB、解决多租户与分区限制、改进全球分布式读取性能以及扩展变更数据捕获（CDC）架构。

    发布时间：

    推荐理由：文章详细披露了 OpenAI 优化其大规模在线存储平台 Habitat 的架构演进和工程实践，对于构建高并发、全球化分布式存储系统的工程师具有极高的参考价值。

10月23日周五
  1. Hugging Face Blog32

    模型是否能在 AWS Trainium 上运行？快来查阅

    Hugging Face 推出了 torch-neuronx model support Space，用于查询 Hub 上的热门模型是否能在 AWS Trainium 上未经修改地运行。用户可以查看测试结果、Trainium 核心数量、运行时间和峰值设备内存，并获取运行脚本。所有展示的数据均来源于公共数据集，方便开发者直接进行查询。

    发布时间：
  2. OpenAI News57

    OpenAI 与波兰 NASK 达成合作以推进 AI 安全研究

    OpenAI 与波兰国家研究机构 NASK 签署协议，双方将合作开展 AI 安全、安全防护及技术研究。双方将结合研究专长与技术能力，评估日益强大的 AI 系统、识别潜在漏洞并增强防护措施。此前该机构旗下的 CERT Polska 已利用 OpenAI 模型发现了 MikroTik RouterOS 中的六个漏洞。

    发布时间：
  3. OpenAI News68

    OpenAI 正式推出 Decisions API

    OpenAI 宣布 Decisions API 正式全面可用，基于 GPT-6 Luna 构建，旨在帮助应用和智能体从文本、图像及结构化输入中进行快速、低成本的决策。该 API 支持概率、选择和评分三种答案类型，具备原生 GPT-Live 集成、提示词缓存及美国与欧盟区域推理驻留等特性。

    发布时间：

    推荐理由：官方推出了基于 GPT-6 Luna 的 Decisions API，为应用和智能体提供低成本、高速度的结构化决策能力，读者可以评估其在实时路由和分类场景中的落地价值。

  4. AWS Machine Learning Blog64

    在 Amazon SageMaker AI 上使用 Kokoro TTS 从 AI 智能体流式传输低延迟语音

    AWS 官方介绍了如何在 Amazon SageMaker AI 上使用 Kokoro-82M 模型和双向流式传输，实现 AI 智能体生成首句文字即开始语音合成。该方案通过逐句推送和传输优化，将首音频响应时间缩短了数倍。

    发布时间：

    推荐理由：文章给出了基于 Amazon SageMaker AI 部署 Kokoro 82M 模型并进行双向流式传输的具体架构和性能对比，读者可以参考其实现来降低语音智能体交互延迟。

  6. AWS Machine Learning Blog64

    Amazon SageMaker AI 推出 training session APIs，支持自定义模型训练循环且无需管理 GPU

    Amazon SageMaker AI 宣布推出 training session APIs，允许开发者在本地 Python 进程中编写自定义训练循环，而由 AWS 在托管 GPU 上处理计算、分布式执行、容灾和检查点。

    发布时间：

    同一件事，精选收录的是《AWS 发布 SageMaker AI 模型自定义训练会话功能》

  7. AWS Machine Learning Blog65

    AWS 发布 SageMaker AI 模型自定义训练会话功能

    AWS 宣布推出 SageMaker AI 无服务器模型自定义的训练会话功能，允许开发者在无需管理底层 GPU 基础设施的前提下编写和协调自定义的后训练循环与奖励信号。该功能支持多轮强化学习等技术，目前已全面可用并支持 gpt-oss-20b、gemma-4-31B-it 等模型。

    发布时间：

    推荐理由：AWS 推出的 SageMaker AI 训练会话让开发者能够自定义后训练循环而无需管理 GPU 基础设施，降低了复杂强化学习和智能体微调的门槛。

  9. AWS Machine Learning Blog62

    Amazon Polly 为生成式语音引擎推出重大升级

    Amazon Polly 为其生成式语音引擎推出了重大升级，带来更自然、更具表现力且低延迟的语音输出。此次升级新增了 9 个区域的 14 个新语音，并首次在生成式引擎中全面提供印地语和芬兰语支持。现有应用的 API 调用与语音名称保持不变，支持作为直接放置升级接入。

    发布时间：

    推荐理由：该升级在保持现有 API 和定价不变的前提下提升了语音自然度和准确性，并新增了多语言支持，有助于开发者低成本优化现有应用的音频生成体验。

  10. AWS Machine Learning Blog21

    Rescale 如何用 Strands Agents 与 AI-DLC 构建 AI 故障分诊 Agent

    Rescale 结合 AWS 架构与 AI-DLC 方法论，在 5 天内完成了智能故障分诊 Agent 的原型构建并在几周内投入生产。该 Agent 借助 Amazon Bedrock 上的 Claude Opus 4.8 自动对夜间端到端测试失败进行分类与路由，并结合 MCP 查询日志及知识库历史模式生成结构化修复报告。

    发布时间：
  11. AWS Machine Learning Blog63

    如何在 Amazon SageMaker AI 上为 TTS 端点精确配置自动伸缩策略

    亚马逊机器学习团队介绍了在 Amazon SageMaker AI 上部署 Kokoro-82M 语音合成模型时，如何通过测量单实例并发上限 Q_max 和端到端扩容时间 T_total 来精确计算自动伸缩阈值。该方法利用原生指标 ConcurrentRequestsPerModel 替代盲目猜测，确保服务在流量突发时既能满足延迟 SLO 又不会造成 GPU 闲置。

    发布时间：

    推荐理由：文章给出了基于真实测量的自动伸缩策略推导方法，读者可以据此避免盲目设置指标带来的隐性成本或延迟风险。

  12. Hugging Face Blog63

    OlmoEarth v1.3 发布：面向全球的卫星嵌入模型与浏览器工具

    OlmoEarth v1.3 卫星嵌入模型正式发布，同时开源了全球预计算的年度 64 维与 128 维嵌入数据及浏览器端探索工具。该模型基于雷达与多光谱卫星时序数据生成全球像素级嵌入向量，在多项评估中表现领先，且训练成本大幅降低。

    发布时间：

    推荐理由：该版本公开了全套模型权重与全球预计算嵌入，降低了地理空间任务的训练成本，读者可借此评估其在环境监测中的应用效率。

  13. OpenAI News60

    Uber 向全体员工全面部署 ChatGPT Work

    Uber 宣布面向全球超 3 万名员工全面部署 ChatGPT Work 智能体平台，支持跨应用完成复杂的多步骤知识工作。该平台默认搭载 GPT‑6.1 Sol 模型，并可连接 Google Drive、Gmail、Slack 等日常办公工具，支持语音和图像生成等多模态能力。

    发布时间：

    推荐理由：官方披露了企业级智能体在大型出行公司全面部署的实际进展，读者可以从中了解此类工具在多部门日常业务中的落地形态。

10月22日周四
  1. Google DeepMind48

    Google DeepMind 等机构发布 Forest Typology (ForTy) 2020 全球森林类型地图

    Google DeepMind 联合多方机构发布 Forest Typology (ForTy) 2020 全球地图，以 10 米分辨率将全球土地划分为六种森林和土地利用类型，并提供 2017 至 2025 年的年度变化时间序列。该地图基于 AlphaEarth Foundations 嵌入数据与定制遥感架构训练，经验证其森林类型识别准确率达 90%，非森林识别准确率达 95%。

    发布时间：
  2. OpenAI News22

    OpenAI 的 FDE 团队职责解析：弥合模型能力与实际应用之间的“部署鸿沟”

    OpenAI 前沿部署工程（FDE）团队旨在解决模型能力与实际应用之间的“部署鸿沟”，通过与客户合作解决复杂现实问题并将经验转化为产品改进。FDE 团队曾协助 John Deere 利用 OpenAI 的 API 为农民提供个性化农技支持，并帮助半导体客户在验证流程中实现约 48% 的测试生成时间节省。

    发布时间：
  3. NVIDIA Blog19

    《Call of Duty: Modern Warfare 4》上线 GeForce NOW 云游戏平台

    《Call of Duty: Modern Warfare 4》在 GeForce NOW 平台首发上线，Ultimate 会员可享受 GeForce RTX 5080 级别的云端光线追踪性能。同时，支持的 Fire TV Stick 用户现在可以通过 Amazon 直接购买一个月的 Performance 或 Ultimate 会员资格。本周共有六款游戏加入 GeForce NOW 游戏库。

    发布时间：
  4. NVIDIA Blog32

    欧洲先驱部署 NVIDIA Earth-2 开源模型以赋能现实世界天气与气候预测

    NVIDIA 推出面向区域短时预测的 StormScope EU 模型，并将其加入 Earth-2 开源模型与工具家族中。该系统利用 EUMETSAT 卫星观测数据，以 10 分钟间隔预测欧洲各地的云层演变。AXA、Vaisala Xweather、曼彻斯特大学和 TotalEnergies 等欧洲组织正利用 Earth-2 模型进行气旋风险研究、空气质量建模及太阳能预测。

    发布时间：
  5. NVIDIA Blog21

    NVIDIA 助力欧洲零售业实现从数字探索到物理运营的转型

    欧洲零售商与科技公司正利用 NVIDIA 加速的开源模型与物理智能，推进智能代理商务、产品探索及零售研发。Shopify 对 NVIDIA Nemotron 3.5 Lightning 进行后训练，使其在内部基准测试中准确率超越领先的前沿模型，同时推理成本降低 90%，响应速度提升 7 倍。

    发布时间：
  7. NVIDIA Blog63

    NVIDIA 扩展 Cosmos 平台并推出世界模型训练与部署新工具

    NVIDIA 扩展了 Cosmos 平台，推出包含五个云原生蓝图的 Cosmos Data Factory、Cosmos 3 模型变体以及更新的框架与微服务。新工具通过智能体技能加速多模态数据策展、模型微调、蒸馏和推理，已在保时捷、ANYbotics 和 MicroAGI 等企业和机构中落地应用。

    发布时间：

    推荐理由：该平台扩展了世界模型训练与部署工具，展示了物理 AI 在工业和自动驾驶中的数据与微调优化实践。

  10. AWS Machine Learning Blog62

    AWS 团队探讨多智能体系统的 5 个生产挑战及 Deep Insight 解决方案

    AWS 解决方案架构团队开源了生产级多智能体系统 Deep Insight，并解析了其在多智能体协作、模型选择、安全代码执行与运维监控方面的完整设计。系统通过 Strands Agents SDK 的 Graph 模式与 Agents-as-Tools 模式实现任务编排，结合 Amazon Bedrock 分配不同角色的 Claude 模型，并在 AWS Fargate 沙箱中安全执行生成代码。

    发布时间：

    推荐理由：文章给出了多智能体生产系统在架构设计与安全沙箱方面的落地细节，读者可以参考其分层编排与代码执行隔离方案。

  12. AWS Machine Learning Blog62

    使用 Strands Agents 构建自适应智能体框架

    AWS 官方介绍了如何使用 Strands Agents 构建自适应智能体框架（AAIF），通过本地运行的 SLM（如 llama3.2:1b）处理常规任务并进行智能调度，同时将复杂请求路由至 Amazon Bedrock 的云端模型。文章给出了在物联网监控场景下的参考实现、本地工具配置以及多部署架构的适配方法。

    发布时间：

    推荐理由：文章给出了用本地 SLM 结合云端模型构建自适应智能体框架的完整步骤，可以帮助开发者在降低 API 成本的同时保持低延迟。

  13. AWS Machine Learning Blog44

    如何在 AWS Trainium 上使用 torchtitan 训练 Qwen3

    本文介绍了如何在单台 trn2.48xlarge 实例上使用 torchtitan 在 AWS Trainium 芯片上训练 Qwen3 模型。文章详细讲解了通过 Transformers v5 后端、原生 Qwen3 配置以及自定义 Neuron Kernel Interface 的 MoE 内核这三种方式进行预训练或微调的具体步骤。

    发布时间：
  14. AWS Machine Learning Blog17

    U.S. Hunger 如何利用 Amazon Quick 连结领导层与数据

    非营利组织 U.S. Hunger 通过引入 Amazon Quick 直接探索核心数据集，使团队能够基于统一指标和共享定义协同决策。目前该组织已有 17 名来自管理、技术及财务等职能的同事接入该平台，利用 Quick Spaces 与日常 AI 工作空间提升业务运营效率。

    发布时间：
  15. Hugging Face Blog76

    NVIDIA 发布 Kumo Relational 关系型基础模型

    NVIDIA 推出 Kumo Relational 预训练关系型基础模型，可在单个前向传播中直接对企业数据库进行预测，无需任务特定训练或特征工程。该模型在多个关系型基准测试中超越了监督机器学习模型，支持通过开源 structured-data-models 库或 NVIDIA NIM 部署调用。

    发布时间：

    推荐理由：该模型直接在关系型数据库上进行少样本预测，无需复杂的特征工程与表合并，为结构化数据预测提供了高效方案。

  16. OpenAI News41

    OpenAI 发布前沿 AI 民主化治理第二部分：赋能网络防御者

    OpenAI 发布赋能网络防御者的前沿 AI 治理蓝图，以应对 AI 对网络安全在速度、规模和经济效益上的改变。该蓝图针对政府和行业提出三项具体提案：加强前沿 AI 的安全与保障、在智能时代实现网络安全现代化，以及建设具有韧性和适应力的公共机构。

    发布时间：
  17. OpenAI News24

    AT&T 如何利用 OpenAI 重新构思内部法务工作

    AT&T 正在与 OpenAI 合作升级 LegalEdge 项目，为其全球法务和合规团队构建能够贯穿整个企业的知识层。双方计划开发支持自然语言的案件接入系统，用以分类和优先处理请求并关联历史先例与研究成果。该合作旨在为律师提供更具信息支撑的起点，使其将更多时间投入到法律判断中，而决策权仍完全保留给律师。

    发布时间：
  18. Google Research54

    Google Research 探讨利用 AI 辅助超声赋能一线孕产妇保健

    Google Research 团队在 JAMA Network Open 发表研究，评估了一种基于盲扫超声的 AI 孕龄评估模型在多中心临床环境与不同硬件下的泛化表现。结果显示，该 AI 模型在经极少微调后，在芝加哥与内罗毕的队列中实现了与专家标准相当的准确率，平均绝对误差为 4.18 天。该研究表明，AI 结合低成本便携设备有望帮助缺乏专业超声医师的地区扩展孕产妇产前筛查覆盖。

    发布时间：
  19. Microsoft Research86

    Microsoft Research 解决数学领域 31 年历史难题 KLS 猜想

    Microsoft Research 团队通过人类引导的智能体辅助研究流程，解决了高维几何与概率论中的 31 年历史难题 Kannan-Lovász-Simonovits 猜想。该工作通过递归应用新数学准则并证明累积误差保持在通用常数范围内，消除了对维数的依赖。

    发布时间：

    推荐理由：该研究展示了人类引导的智能体辅助科学发现过程，为复杂数学难题的求解提供了可复用的协作范式。