Breakthrough Listen 与 SETI 研究所将智能体 AI 引入地外信号搜索
Breakthrough Listen 和 SETI 研究所把智能体 AI 引入日常的地外文明信号搜索，在加州北部的 Allen Telescope Array 上，智能体可通过一句自然语言请求操控望远镜、校正数据并运行 AI 模型。
#部署/工程
NVIDIA BlogAI 评分5252
AWS Machine Learning BlogAI 评分3434 用 Amazon Nova Act 做智能体 QA 自动化：QA Studio 新增应用与团队权限管理
AWS 博客介绍 QA Studio 的两项新能力：用"应用"把测试按被测系统归类并汇总健康指标，用团队与角色管理控制谁能查看和修改测试。健康视图给出通过率、执行次数、失败数和 0–100 健康分，并对不稳定测试扣分。指标页支持 7 天按小时、30 天按天的趋势查看，角色分为 Admin、Team Lead、Editor、Executor、Viewer 五级。
AWS Machine Learning BlogAI 评分3434 Epsilon 如何用 Amazon Nova Act 构建意图驱动的 UI 测试
Epsilon 的 Agentic Platform 团队用 Amazon Nova Act 搭配 Amazon Bedrock AgentCore Browser，把意图驱动的 UI 测试做成平台托管服务，叠加在原有 Playwright 回归套件之上。
AWS Machine Learning BlogAI 评分5555 用 Kiro 构建可重复的 PHP 到 Java 迁移引擎
AWS 博客介绍如何用 AI IDE Kiro 把 PHP 到 Java 的迁移做成可重复流程，核心是一套共享 skill 文件驱动的八阶段流水线。该流程先用 discover-models.php 扫描器生成模型清单，再在写 Java 前搭建对照测试 harness，最后分阶段翻译数据模型、I/O 层和业务逻辑。
AWS Machine Learning BlogAI 评分3636 AWS Batch 为 SageMaker Training 作业推出配额管理，支持团队间借还资源
AWS Batch 为 SageMaker Training 作业新增配额管理能力，管理员可按团队或项目划分配额份额，并用 RESERVE、LEND、LEND_AND_BORROW 策略共享空闲 GPU 容量。
AWS Machine Learning BlogAI 评分5151 MoEngage 如何用 AgentCore Gateway 将 400 多个 API 转为 Agent 工具
MoEngage 借助 Amazon Bedrock AgentCore Gateway，把分布在 7 个 AWS Region、由 25 个团队维护的约 400 个私有 REST API 转成权限受控的 Agent 工具，估计节省约 6 个月平台工程投入。
AWS Machine Learning BlogAI 评分4545 在 Amazon EKS 与 SageMaker HyperPod EKS 上部署 NVIDIA Nemotron 模型加速智能体 AI
NVIDIA Nemotron 3.5 Super VL 已在 AWS 上线，这是一个 120B 参数、每 token 激活 12B 的 MoE 多模态模型，支持文本、图像、文档和视频输入，上下文长度达 1M tokens。
NVIDIA BlogAI 评分4646 NVIDIA 展示开发者如何用前沿 AI 智能体在 Omniverse 中构建仿真应用
NVIDIA 展示开发者用 GPT-6 Astra 等前沿 AI 模型配合 Omniverse 库构建仿真应用，涵盖从场地扫描重建可编辑建筑模型、燃气轮机数字孪生 what-if 分析到仓库仿真压力测试。
AWS Machine Learning BlogAI 评分3939 在 Amazon Bedrock AgentCore 上构建企业级 Agentic AI 平台
AWS 发布基于 Amazon Bedrock 与 AgentCore 的企业级 Agentic AI 平台参考架构与蓝图，采用联邦式运营模型，由中央 Platform 团队提供受治理的共享服务，各 Workstream 团队保留对自有智能体、工具和数据的归属。蓝图以基础设施即代码形式落地推理网关、MCP 工具网关、身份、可观测性与成本治理等企业契约，并提供评估流水线在智能体上线前进行门禁校验。
AWS Machine Learning BlogAI 评分3434 在 EKS 上用 Ray Train DLC 和 EFA 做分布式训练
AWS 发布 Ray Train DLC 镜像（train-ml-cuda-v1.1），预集成 Ray 2.58.0、PyTorch 2.13.0、CUDA 13.0.2、NCCL 2.29.7 与 EFA 及 AWS OFI NCCL 插件，免去自行构建镜像。
NVIDIA BlogAI 评分3636 哈萨克斯坦扩大算力布局，NVIDIA 与 Firebird 加码 AI 基础设施
NVIDIA CEO 黄仁勋访问阿斯塔纳，Firebird 签署协议获美国出口许可，将在哈萨克斯坦部署 45,000 块 NVIDIA Grace Blackwell GPU，首期与 Kazakhtelecom 在 Data Center Valley 建设，目标 2027 年第三季度商用。
NVIDIA BlogAI 评分5858 NVIDIA 发布 Minerva，为 AI 工厂提供端到端可观测性
NVIDIA 发布 AIOps 平台 Minerva，汇聚 GPU、网络、存储、调度器与作业的遥测数据，用专用 AI 模型把海量信号转化为可执行的洞察。平台构建动态知识图谱，每小时分析数十亿数据点，可把事件风暴归并为带根因的单一事件，并内置原生 AI 助手、可对接外部智能体工具。
NVIDIA BlogAI 评分3838 欧洲金融机构采用开放权重模型构建专有智能，Revolut、Starling Bank 等落地生产
Revolut 正基于 NVIDIA 加速计算以单一基础模型 PRAGMA 重建技术栈，初期服务 8000 万客户并设计支持 3 倍扩展。Starling Bank 在 Civo 英国云上用自有交易数据训练出智能层 Starling Intelligence，Lloyds 则用 RTX PRO 6000 Blackwell GPU 构建交易基础模型 ATUM。
Microsoft Research精选AI 评分7171 微软研究院推出基于证明的通用计算系统 Magnetar
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序执行过程，在 15 个基准程序上平均比现有最快 zkVM 快 10 至 39 倍，证明验证约需 12 毫秒。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何同时兼顾通用性、速度与标准哈希函数安全性。
GitHub Blog · AI & MLAI 评分4949 GitHub 用 ModernBERT 分类器重构密钥扫描：误报更少、成本降 98%
GitHub 为密钥扫描训练了专用 ModernBERT 分类器，配合正则候选生成的两阶段流水线，替代此前的 LLM 流水线。其告警接受率提升 11.5%，推送后扫描中位执行时间缩短 86%，服务成本降低 98% 以上，并让通用密钥检测得以进入推送保护环节。
GitHub Blog · AI & ML精选AI 评分6060 GitHub 推出基于 ModernBERT 的密钥检测分类器，将防护前移到 push 环节
GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器，用代码上下文识别无固定格式的密钥，候选批次评估耗时不到 2 毫秒，可将可拦截的密钥数量提升一倍以上。
推荐理由：GitHub 用九个季度的数据说明密钥泄露压力来自代码量增长，并给出用分类器把防护前移到 push 环节的思路。
Microsoft Research精选AI 评分7878 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体 RL 框架
微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写 agent。
推荐理由：框架把部署用的 agent harness 直接接入 RL 训练，并给出 6000 样本提升 14.6 个百分点的完整复现路径。
Berkeley AI Research精选AI 评分6060 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
Berkeley Sky Lab 团队为 K-Search 演化式内核搜索框架新增 MLX 后端，并设计结构化 CUDA-to-MLX 翻译层，让搜索以现有 CUDA 内核为知识库生成 Apple Silicon 内核。
推荐理由：作者把 CUDA 优化知识整理成结构化上下文，让演化搜索在 Apple Silicon 上接近专家内核水平，方法可迁移到其他硬件生态。
Berkeley AI ResearchAI 评分3636 ABBEL：通过信念状态更新让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言信念状态并对其内容进行监督评分。在协作编程基准 CollabBench 上，基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50。训练后其峰值上下文 token 长度仍显著低于全上下文设置。
Berkeley AI ResearchAI 评分3838 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 团队提出，GPT-4 级能力价格已从 2023 年初的约 $30/百万 token 降至如今不足 $1，部分厂商低于 $0.10，推理价格年降幅在 9x 到 900x 之间、中位数约 50x。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队综述并行推理进展，重点分析自适应并行推理：让模型自行决定何时分解并并行化子任务、开多少并发线程以及如何协调。现有 self-consistency、Best-of-N、Tree of Thoughts、MCTS 及 ParaThinker、GroupThink、Hogwild! Inference 等方法，其并行结构与搜索策略多由模型外部预先设定。