NVIDIA 展示 Dyania Health 的 Synapsis AI 如何用 AI 加速患者诊疗
Dyania Health 的 Synapsis AI 临床推理引擎在 NVIDIA 加速计算上运行,可跨患者多年病历关联线索并生成可溯源的临床信号,且数据在医院防火墙内处理、不离开医院。
Dyania Health 的 Synapsis AI 临床推理引擎在 NVIDIA 加速计算上运行,可跨患者多年病历关联线索并生成可溯源的临床信号,且数据在医院防火墙内处理、不离开医院。
Amplitude 基于 OpenAI 模型构建的主动式产品智能体 Wave,能识别该做什么、协助团队用 coding agent 交付改动并衡量影响。Amplitude 借此将产品改进的交付周期缩短至 1–2 天。
GitHub Blog 发布实用指南,介绍 Agent Skills 如何把可重复任务的指令沉淀为以 SKILL.md 为核心的版本化目录,供不同 Agent 复用。
推荐理由:文章给出把可复用判断沉淀为技能的三条实践,读者可据此判断哪些工作流适合用技能而非应用承载。
AWS 官方博客介绍 Amazon Bedrock 中四个影响推理成本的请求级选择:缓存时长、服务层级、推理力度和 maxTokens,并给出各自的实测结果与验证方法。
Natera 与 AWS 合作构建了面向实验室运维的智能体系统 SWARM,基于 Amazon Bedrock AgentCore,在 524 张工单的评估中把平均首次响应时间从 17.4 小时降到约 8 分钟(约 130 倍提速),96.2% 的工单获得自动首次响应。
AWS 官方博客介绍一套仅用 AWS 原生功能、无需编写应用代码的方案,实现按 IAM 主体追踪 Amazon Bedrock 成本并设置可执行的支出上限,分归因、报告、强制三步:Amazon Bedrock 自动记录每次推理请求的 IAM 主体。
AWS 官方博客介绍如何用 Amazon Bedrock Application Inference Profiles 配合运行在 AWS Fargate 上的 LiteLLM。
AWS 官方博客介绍在 Amazon Bedrock 上计算智能体真实成本并证明其 ROI 的框架,提出按任务而非按 token 计价,指出四个定价页未体现的隐藏成本因素:tokenizer 效率、输出冗长、智能体循环轮次和推理开销。
AWS 发布教程,介绍如何用 Agent Toolkit for AWS 中 amazon-bedrock skill 的迁移指南,把客户自管知识库迁移到 Amazon Bedrock Managed Knowledge Base。
AWS Machine Learning Blog 发布教程,介绍 Agent Development Lifecycle(Agent DLC):一个生命周期、两个循环,以统一的 gold standard 判定每次变更。
AWS 官方教程演示如何让共享同一 Agent 和知识库的员工各自只能检索到自己有权限的文档,核心原则是不让 LLM 决定 userContext 的值。
AWS Machine Learning Blog 发布教程,演示如何在两个 AWS 账户间用 A2A 协议连接 LangChain 企业编排器与 Strands Agents 的 SaaS 合规智能体,双方互不依赖对方框架或 SDK,也不共享任何密钥。
Hugging Face 发布 TRELLIS.2 的 LoRA 微调脚本与 Docker 容器,可在本地或 Hugging Face Jobs 上运行,用自有 3D 资产微调该模型。
AWS 官方教程讲解如何用 Spring AI 和 Amazon Bedrock AgentCore 在 Java 中构建自主 AI 智能体,包含单智能体旅行助手与五专家智能体的文档处理系统两个示例。
AWS 发布教程,介绍如何在 Amazon SageMaker HyperPod 的 PyTorch DDP 训练循环中加入三道检查来检测静默数据损坏(SDC):all-reduce 前后的 NaN/Inf 梯度检查、跨节点重放的 ring replay 审计、以及 optimizer 更新后的权重指纹比对。
推荐理由:原文给出三道检查的实现代码与开销实测数据,读者可据此评估在自己训练任务中落地的成本与收益。
AWS Machine Learning Blog 介绍开源引擎 semi-persistent 如何用反统一(anti-unification)对形式化策略做语义 diff:在 e-graph 上声明代数律(如 And 的结合、交换、幂等)和领域改写规则,把只改写法不改语义的差异吸收掉,只保留真正的语义分歧为 Variants 节点。
AWS 发布教程,介绍开发者如何让 Codex 通过 Amazon Bedrock 调用受支持的 OpenAI 模型(示例使用 GPT-5.6 Sol),并把接入纳入现有 AWS IAM、Region 与可观测性实践。
DXC Technology 基于 Amazon Bedrock 构建了 DXC OASIS 的多模型底座,通过统一接口接入 Anthropic Claude、Amazon Nova、Meta Llama 及开放权重模型,并用 Amazon Bedrock Guardrails 统一执行内容过滤、PII 脱敏与拒绝话题策略。
AWS 介绍了一套基于 AWS CloudTrail、Amazon EventBridge 和 AWS Lambda 的事件驱动架构,自动同步 AWS Agent Registry 中 MCP server 的工具与 schema 记录,避免元数据过期。
AWS 公布 re:Invent 2026(11 月 30 日至 12 月 4 日)AI/ML 赛道参会指南,该赛道提供超过 140 场专题 session,全场共 2,000 多场学习 session,可现场参加或点播回看。
JioStar 首席架构师 Vijay Seshadri 分享了在 5 亿用户规模下落地 AI 发现(AI discovery)的经验,涵盖评测(evals)、护栏(guardrails)以及将 AI 推向生产环境的实践教训。
AWS 介绍如何访问 AWS Generative AI Innovation Center(现属 AWS Frontier AI Engineering & Services)的 23 个生产级开源可复用资产目录,涵盖 RAG pipeline、文档处理、agent scaffolding 等,可将开发时间从数月压缩至数周。
Simon Willison 用 Fable 5.2 分析了 tools.simonwillison.net 上 244 个 vibe-coded 工具的代码,通过 tree-sitter 提取各工具使用的 JavaScript API、库和 web API host,并在首页新增对应标签云,支持按这些类别浏览。
AWS Quick 推出 AI 驱动的产品开发生命周期(AI-PDLC)框架,通过 Orchestrator 调度 Discovery、Prioritize、Working Backwards、Spec Generator、Designer 等六个智能体,把 Slack、Jira、Salesforce 等分散信号汇总为可追溯的 prototype_spec.md 规格。
Hugging Face 博客介绍如何在 Sentence Transformers 中做 token pooling-aware 训练,让多向量嵌入模型在压缩后仍保留检索质量。
OpenAI 在 AI Engineer Code Summit 举办题为 New Ways of Working with Codex 的工作坊,由 Developer Experience 工程师 Dominik Kundel 和 Charlie Guo 主持。
NVIDIA 介绍四家 Inception 计划成员如何用 AI 与机器人从传送带上分拣混合废弃物:AIRECO 用 NVIDIA Jetson Orin NX 驱动视觉分拣。
Amazon Bedrock AgentCore 的 Web Search API 现已可用,通过单次 API 调用为智能体提供可引用的最新网页结果,查询由 Amazon 自营网络索引提供且不发往第三方搜索引擎,使用 AWS 凭证签名、无需存储搜索 API key,支持域名包含/排除与发布日期范围过滤。
AWS 发布 Amazon Bedrock AgentCore 评估指南,讲解如何用内置评估器及 DeepEval、AutoEval 托管评估器评估 agent 生产表现。
Latent Space 播客邀请 Resend 联合创始人兼 CEO Zeno Rocha,讨论如何为 AI 智能体设计产品。节目中引用一项 AEO 研究,Claude Code 在 102 次邮件服务推荐中 64 次首选 Resend,SendGrid 仅 7 次居首但 55 次作为备选。
Trovata 基于 Amazon Bedrock 和 Amazon Bedrock AgentCore 构建了自主资金管理智能体,将 AI 从提供洞察升级为代表资金团队执行操作的持久化 agentic workflows。
AWS 发布教程,介绍如何用 Amazon Bedrock 调用日志搭建集中式可观测数据湖,把各关联账号的调用日志经 CloudWatch 订阅过滤转发到中心账号,再由 Lambda 清洗、Amazon Data Firehose 转成 Parquet 写入 S3,最终用 Athena 统一查询。
TCS 为 BFSI 客户构建了基于 Amazon Bedrock AgentCore 的 Agentic Test Orchestrator,将需求转化为可执行、受治理的测试。
Hugging Face 介绍决策模型(decision model)概念及其在生态中的落地:模型接收 state 与 questions,直接返回带概率的结构化决策而不生成文本,接口包含 choice、score、noul 三种原语,并给出 confidence 计算方式。
推荐理由:原文梳理了决策模型的接口设计与三种原语,并说明 Transformers 和 llama.cpp 如何通过同一 API 提供服务。
Simon Willison 用 Claude Fable 5.2 Medium 生成了一个 three.js 动画 Yonkers Rises:以 Yonkers 边界为形的巨型机甲从地面站起,踏过 Manhattan、Brooklyn、Queens 和 Bronx,沿途压平建筑,并显示踩踏计数与机甲高度读数。
Anthropic 文档显示,Claude Fable 5.2 对提示词中代码归属的表述高度敏感:在小型编码任务测试中,当提示词未提及归属或称代码库属于他人时,模型倾向于沿用现有结构,即使重复已有代码。若在提示词中写明"这个代码库是你的",模型约半数尝试会合并重复代码,而不写这句话时合并比例不到十分之一。
AWS Machine Learning Blog 讲解了 AWS Quick 中 agents、skills 与数据的协作方式:agent 位于中心,按指令加载所需 skills、通过 connectors 行动,并以 spaces、knowledge bases、datasets、dashboards 为依据作答。
Simon Willison 让 Claude Code 构建了 Beep Locator,用房间内多台设备的麦克风三角定位神秘蜂鸣声,最终把位置锁定到约 40cm 内,找到一只电量耗尽的旧一氧化碳报警器。
CrossnoKaye 介绍其 ATLAS 自动化平台与 AURA 智能体系统如何基于 Amazon Bedrock AgentCore 在 100 多个工业设施、13,000 个受控资产上落地物理 AI。
AWS Machine Learning Blog 介绍 Pluggable Agentic AI Framework,一个面向多智能体应用的七层可组合参考架构,旨在帮助团队把智能体应用从原型推向生产规模。