使用 AWS CDK 在 Amazon Bedrock 托管型 Knowledge Base 上构建企业级智能体检索
AWS 博客演示如何用 AWS CDK 在 Amazon Bedrock Managed Knowledge Base 上构建企业级智能体检索。相比传统单轮 RAG，系统由推理智能体决定是否检索、经 Gateway 以 MCP 工具形式调用知识库并多轮规划，AgenticRetrieveStream API 返回带引用的答案。
#Agent
AWS Machine Learning BlogAI 评分4545 AWS Machine Learning BlogAI 评分4646 Amazon Bedrock 上使用 OpenAI 模型的提示词缓存模式解析：打破 AI Agent 的“土拨鼠之日”循环
AWS 在 Amazon Bedrock 上讲解如何用提示词缓存优化 OpenAI 模型（如 gpt-6-astra）的 AI Agent 调用。Agent 每一轮都要重发工具定义、指令和历史，缓存可存储 prefill 阶段的 KV 状态并复用。
AWS Machine Learning BlogAI 评分5656 AWS 手把手教程：在 SageMaker AI 上做多轮强化学习，用约 $339 把 GPT-OSS-20B 的 Wordle 解题率从 61% 提到 84%
AWS Machine Learning Blog 发布在 Amazon SageMaker AI 上做多轮强化学习（MTRL）的实操指南，以 Wordle 为教学示例，训练信号只来自整局结果评分，agent 托管在 Amazon Bedrock AgentCore，用 GRPO 更新 LoRA 适配器。
AWS Machine Learning BlogAI 评分4848 Bayer Crop Science 如何基于 Amazon Bedrock AgentCore 与 AWS Unified Operations 构建智能体决策引擎
Bayer Crop Science 在其 Connected Decision Engine（CDE）之上构建了 Agentic Decision Engine（ADE），一个多智能体自然语言界面，运行在 Amazon Bedrock AgentCore 上。
Hugging Face Blog精选AI 评分6161 微软与 Hugging Face 详解 ThinkingBox 如何将数据库判分转化为 RL 奖励并开源训练栈
微软与 Hugging Face 发布 ThinkingBox-Training 博客并开源代码，把对数据库终态的可执行检查用作 RL 奖励，在 ThinkingBox-Bench 之外的任务上训练 Qwen3.8-27B。
推荐理由：微软与 Hugging Face 联合复盘如何把数据库终态检查变成 RL 奖励，并公开完整训练栈，适合做有状态 Agent 后训练的参考。
AWS Machine Learning BlogAI 评分5959 AWS 发布 SageMaker AI 训练会话，无需管理 GPU 即可自定义模型后训练
AWS 宣布 SageMaker AI serverless 模型自定义新增训练会话（training sessions）正式可用，用户可自行编写训练循环、自定义损失函数和奖励信号，GPU 分配、分布式执行、故障恢复和检查点存储由平台托管。
Microsoft ResearchAI 评分5050 Microsoft Research 发布 Flint-interactive，用于创建交互式数据可视化
Microsoft Research 推出基于 Flint 的交互式数据可视化语言 Flint-interactive，让用户和 Agent 能通过高级语义事件和更新算子定义图表交互，支持点击、筛选、缩放、高亮和跨图表联动。
NVIDIA BlogAI 评分5151 NVIDIA 扩展 Cosmos 平台，新增训练、评估与部署世界模型的工具
NVIDIA 扩展 Cosmos 平台，推出 Cosmos Data Factory 的五个云原生蓝图、Cosmos Framework 智能体技能和 Cosmos 3 Nano 仿真模型变体，覆盖数据生成、训练优化与部署。
GitHub Blog · AI & MLAI 评分5353 三位 Java Champion 畅谈使用 GitHub Copilot 提升生产力的实践经验
GitHub Blog 采访 Vlad Mihalcea、Patrick Baumgartner 和 Frank Delporte 三位 Java Champion，分享他们在生产和开源项目中使用 GitHub Copilot 的具体做法。
GitHub Blog · AI & MLAI 评分4545 如何在 VS Code 中继续 GitHub Copilot 应用的会话
GitHub Copilot 应用中的智能体会话可直接在 VS Code 中打开继续，对话、代码改动和工作树上下文完整保留。开发者可在 VS Code 中逐行审查智能体的 diff、手动编辑文件、用集成终端本地运行验证（如 npm test、npm run dev），并将改动推送到会话关联的 pull request。
Google Research精选AI 评分7171 Google Research 发布 VERID 框架与闭环湿实验室研究，让 AI 智能体驱动生物实验
Google Research 发布 VERID 框架及三项研究，构建 AI 智能体自主运行湿实验室的基础。VERID 基于开源 PyLabRobot，提供实验室工作单元的语义数字孪生、实时 3D 状态追踪、虚拟试运行和硬件安全检查，所有协议先经模拟验证再交给液体处理机器人。
推荐理由：原文给出 VERID 数字孪生框架与两条闭环实验的量化结果，读者可以了解 AI 智能体接入真实湿实验室的具体路径与安全设计。
Google DeepMindAI 评分4545 Google Antigravity 如何加速抗菌肽搜索
Google DeepMind 演示用其智能体开发平台 Google Antigravity 加速抗菌肽（AMP）发现，在单次交互会话中找到一个对呼吸道感染病原体具有预测活性的新型候选肽，目前正进行湿实验验证。
Google Research精选AI 评分7474 Google Research 公开发布文档审阅智能体系统 Deep Review
Google Research 发布智能体系统 Deep Review 公开版，用于对复杂技术文档进行严格反馈与技术验证，由前身为 Paper Assistant Tool（PAT）的实验项目演化而来。
推荐理由：原文给出 Deep Review 的四阶段审稿流程、试点规模和免费额度，读者可据此判断它是否适合嵌入自己的文档审阅流程。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 4 Argon 并详述安全与对齐防护措施
Google DeepMind 发布 Gemini 4 Argon 模型，重点面向编程、金融、法律、网络安全和科学等复杂任务，并开始广泛推出、扩大 Fairwind 网络防御者计划。
推荐理由：官方详述了网络安全、生物滥用与对齐三层防护设计及具体评测数字，可借此了解前沿模型安全部署的实际做法。
GitHub Blog · AI & MLAI 评分4747 GitHub Copilot 新手系列：如何让 Copilot 了解你的代码库
GitHub Blog 的 Copilot for Beginners 系列文章讲解四种让 GitHub Copilot 适配项目的方式：通过 .github/copilot-instructions.md 自定义指令、.github/skills 中的 agent skills 打包可重复流程、.github/agents 自定义 agent 处理跨文件的大型任务。
Microsoft ResearchAI 评分4646 Microsoft Research 推出 StudentSim：用个性化学生模拟器评估与改进 AI 辅导系统
Microsoft Research 的 StudentSim 从公开脱敏的学习记录中为每位学生训练个性化模拟器，用于在真实学习者测试前评估和改进 AI 辅导系统。该工作同时提出 StudentSimEval 基准，以行为保真度和对辅导指导的响应性两个维度评估，覆盖国际象棋、二语英语写作和数学三个领域。研究设置中 StudentSim 超越领先基线，可为 AI 辅导系统训练提供有效反馈信号。
Microsoft Research精选AI 评分6060 微软亚洲研究院发布 Agent Lightning v1.0：约 3500 行代码的轻量级 Harnessed Agentic RL 框架
微软亚洲研究院发布重构并开源的 Agent Lightning v1.0，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与强化学习，无需在训练框架内重写 agent。
推荐理由：官方详解了用真实 agent harness 做 RL 的训练范式与系统设计，并给出 Qwen3.5-9B 在 SWE-bench Verified 的提升数据，方法可参考。
Microsoft ResearchAI 评分4949 Microsoft Research 播客对话 Jennifer Neville：AI 会出什么错，失败教会我们什么
Microsoft Research 播客中，首席应用科学家 Chad Atalla 与 partner research manager Jennifer Neville 对谈，探讨评估在推动当今 AI 系统性能边界中的作用，以及模型在传统 benchmark 之外测试时出现的“意外失败”。
GitHub Blog · AI & MLAI 评分4040 GitHub 谈 AI 时代开发者需要加强的三项技能
GitHub 发文介绍 AI 正在改变开发者工作方式，并提出三项值得加强的技能：学会指挥 AI 智能体而非仅使用它、不轻信 AI 的第一个答案（可用第二个模型进行批判性评审，GitHub Copilot 内置的 Rubber Duck 智能体即采用此方式）、以及利用 AI 节省的实现时间去解决更大范围的问题。开发者仍需为结果负责，判断力和权衡取舍能力将更加重要。
GitHub Blog · AI & MLAI 评分5252 GitHub Copilot app 新手教程：用 canvases 搭建自定义工作流
GitHub 官方教程介绍 GitHub Copilot app 的 canvases 功能，用 /create-canvas 技能以自然语言描述工作流即可生成可共享的自定义界面，如看板、发布清单或仪表盘。画布双向同步，用户操作与 Agent 更新实时共享；创建的画布会保存为扩展，可团队共享或个人复用，社区已通过 Awesome Copilot 提供现成扩展。
Mistral AI精选AI 评分6161 Mistral 复盘用 AI 智能体将 4 万行 Fortran 77 迁移到 C++ 的方法
Mistral 介绍其为欧洲能源运营商迁移 4 万行 Fortran 77 油藏模拟代码到 C++ 的实践，目标是 30 万行代码库的第一阶段。项目先构建数值对齐验证框架，用 Vibe CLI 启动上百个智能体结合 Mistral OCR 生成文档并提交 PR；对比完全自治和纯手动两种极端后，落地为规划、编码、测试、审查智能体加人工审查节点的模块化工作流。
推荐理由：Mistral 复盘 AI 智能体迁移大型遗留代码的完整方法，先建数值对齐验证、再补文档、最后用带人工审查的结构化工作流。
Berkeley AI ResearchAI 评分4343 Berkeley AI Research 提出 ABBEL 框架：教 LLM 更新信念状态以实现高效长程交互
Berkeley AI Research 提出 ABBEL 框架，用自然语言信念状态替代完整交互历史，并通过信念评分（belief grading）监督摘要内容，解决长程任务中递归摘要的性能损失。
Berkeley AI ResearchAI 评分5151 UC Berkeley 学者提出智能近乎免费时代的数据系统研究议程 For、Of、By Agents
UC Berkeley 的 Aditya G. Parameswaran 团队发文讨论近乎免费的智能（推理成本一年中位数下降约 50 倍，GPT-4 级能力从每百万 token 约 $30 降至 $1 以下）对数据系统的意义。
Berkeley AI ResearchAI 评分4646 SPEX 与 ProxySPEX：面向 LLM 的大规模交互识别方法解析
Berkeley AI Research 介绍 SPEX 与 ProxySPEX 两种算法，用于在特征归因、数据归因和机制可解释性中大规模识别对模型输出有影响的关键交互。方法基于消融思想，利用稀疏性和低阶性把交互搜索转化为稀疏恢复问题；ProxySPEX 进一步利用层级性，以约 10 倍更少的消融达到与 SPEX 相当的性能，并支持扩展到数千个特征的上下文。