AWS 演示基于 SageMaker SDK v3 的边缘侧全队计算机视觉模型生命周期管理方案
AWS Machine Learning Blog 演示如何用 Amazon SageMaker Python SDK v3 在边缘管理全队（fleet-wide）计算机视觉模型生命周期，每台摄像头各训练一个异常检测器和一个 ResNet18 缺陷分类器。
#Microsoft
AWS Machine Learning BlogAI 评分4343
AWS Machine Learning BlogAI 评分4545 用 AWS CDK 编排 SageMaker AI 终端节点自动扩缩容
AWS 博客讲解如何用可复用的 CDK construct 配合 CloudFormation 自定义资源，解决 SageMaker AI 实时终端节点更新时自动扩缩容导致部署失败的问题。
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4949 Amazon SageMaker 推出 training session APIs：自写训练循环而无需管理 GPU
Amazon SageMaker AI 推出 serverless training session APIs，把抽象边界下沉到算力层：开发者用 Python 编写训练循环，调用 forward_backward()、optim_step()、sample() 等操作，即可执行 SFT、偏好优化或 RL。
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。
Microsoft Research精选AI 评分8585 Microsoft Research 证明 31 年前提出的 KLS 猜想
Microsoft Research 的 Xinzhi Zhang 与合作者 Zhao Song 证明 1995 年提出的 Kannan–Lovász–Simonovits（KLS）猜想，表明对数凸分布的最佳平切与任意形状切口的差距以一个通用常数为界，与维度无关。
推荐理由：官方一手介绍证明思路与人类引导 AI 的搜索过程，读者可以了解这项工作如何结合数学判断与多智能体探索。
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。
Microsoft ResearchAI 评分2323 Microsoft Research 播客：Catalyst Lab 主管 Chris White 谈从 DARPA 到打击人口贩卖的技术公益之路
Microsoft Research 播客中，主持人 Weishung Liu 对话 Catalyst Lab 主管 Chris White，回顾他 2010 年在 DARPA 期间赴阿富汗战地验证数据分析技术以保护部队的经历，以及后来研发暗网搜索工具帮助打击人口贩卖的工作。
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。
GitHub Blog · AI & MLAI 评分5656 GitHub 详解基于 ModernBERT 的密钥检测模型如何减少误报
GitHub 讲解其新的上下文感知密钥分类器，采用两阶段流水线，用微调的 ModernBERT 分类器替代原有 LLM 流水线，并借此将通用密钥检测扩展到 push protection。
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。
GitHub Blog · AI & ML精选AI 评分6666 GitHub 发布 ModernBERT 分类器扩展 push protection 覆盖非结构化密钥
GitHub 官方基于 2024 Q2 至 2026 Q2 共九个季度数据指出，AI 智能体参与的 pull request 已占三分之一，但每 push 密钥检出率无统计显著上升，开发者驳回 push 拦截的比例从 6.63% 降至 3.93%。
推荐理由：作者用九个季度的数据说明开发者并非更大意，并给出毫秒级分类器扩展 push protection 的路径与开放时间表。
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5454 GitHub 发布开源基准 ReviewBench 用于评测 AI 代码审查
GitHub 发布开源离线基准 ReviewBench，用于评测 AI 代码审查 Agent，现已开放使用。基准基于 1.039 亿 GitHub 真实 pull request 构建分布，语料包含 19 种语言的 219 个公开 PR，采用多来源 golden set、Claude Sonnet 5 作为 LLM 评分器，资深工程师独立复核与基准一致率达 96.6%。
Microsoft ResearchAI 评分4242 Microsoft Research 用机器学习预测电网的空间天气风险
Microsoft Research 实习生开发了一套机器学习系统，为美国本土 66,935 座变电站提供针对地点的空间天气风险预测。该管线结合 L1 点太阳风观测、AE 与 Dst 指数预测及地质电导率数据，可提前 30-60 分钟预警。评估期内系统对重大事件（≥10 nT/min）检出率达 76.5%，严重事件（≥20 nT/min）达 81.2%。
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。