Amazon SageMaker AI 多轮强化学习实操指南：用 Wordle 训练 gpt-oss-20b
AWS 发布 SageMaker AI 多轮强化学习（MTRL）实操指南，以 Wordle 为例演示从部署 AgentCore 智能体、准备数据集、训练到 MLflow 监控与评测的完整流程。
#教程/实践
AWS Machine Learning BlogAI 评分5858 OpenAI NewsAI 评分2222 OpenAI 如何将在线存储扩展至支撑超 10 亿 ChatGPT 用户（第二部分）
OpenAI 详解如何通过可靠的多租户架构、全局缓存和 Azure Cosmos DB 扩展 Habitat 存储系统，为 ChatGPT 带来 12 倍读取速度提升，以支撑超过 10 亿用户。
AWS Machine Learning BlogAI 评分2626 用 AWS CDK 编排 SageMaker AI 端点自动扩缩容
针对 SageMaker AI 实时端点更新配置时 CloudFormation/CDK 部署失败的问题，AWS 给出一个可复用 CDK construct，用三个自定义资源在端点更新前后自动注销并重新注册 Application Auto Scaling 目标。
AWS Machine Learning BlogAI 评分3434 拜耳作物科学如何基于 Amazon Bedrock AgentCore 与 AWS Unified Operations 构建智能体决策引擎
拜耳作物科学在 Amazon Bedrock AgentCore 上构建了智能体决策引擎 ADE，作为其 Connected Decision Engine 之上的多智能体自然语言界面，第一阶段约 80% 的用户问题无需工程师介入即可解决。
AWS Machine Learning BlogAI 评分2222 IskayPet 如何用 Amazon Bedrock Managed Knowledge Bases 统一企业知识
IskayPet 基于 Amazon Bedrock Managed Knowledge Bases 构建企业知识助手，覆盖西班牙、葡萄牙、法国三国 330 多家门店，用四种语言回答零售运营、兽医护理、人事入职与采购问题，无需自建 RAG 基础设施。
Hugging Face BlogAI 评分2424 TorchNeuron 性能剖析（一）：在 AWS Trainium 上进行系统级性能分析
Hugging Face 博客发布 TorchNeuron 性能剖析系列第一篇，讲解如何在 AWS Trainium 上系统分析推理性能、定位耗时来源。
GitHub Blog · AI & MLAI 评分2222 三位 Java Champion 如何用 GitHub Copilot 提升生产力
GitHub 博客采访了三位拥有十余年 Java 经验的 Java Champion，分享在生产与开源项目中使用 GitHub Copilot 的具体做法。Vlad Mihalcea 借助 Copilot 将原本需数周的功能开发缩短到两天，并按任务复杂度在 Opus 的 1 million 上下文窗口与更轻量模型间切换。
GitHub Blog · AI & MLAI 评分3434 如何在 VS Code 中继续 GitHub Copilot 应用会话
GitHub Copilot 应用中的会话可直接在 VS Code 中打开，对话、代码改动和工作上下文完整保留。VS Code 会加载该会话对应的 worktree，并在 Copilot 侧边栏显示原会话，便于逐行审查 diff、手动编辑、本地运行测试，最后提交并推送到会话关联的 pull request。
GitHub Blog · AI & MLAI 评分4646 GitHub 新密钥检测模型：用更少噪音发现更多密钥
GitHub 用微调后的 ModernBERT 分类器替换原有 LLM 密钥扫描流程，在推送后扫描中把中位执行时间降低 86%、服务成本降低 98%，告警接受率提升 11.5%。该两阶段流程先用正则生成候选，再由模型结合文件路径、变量名和上下文判断是否为真实凭据，并已把通用密钥检测扩展到推送保护。
GitHub Blog · AI & MLAI 评分4242 GitHub Copilot 入门：如何让 Copilot 了解你的代码库
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式：用 .github/copilot-instructions.md 定义仓库级规范，用 agent skills 封装可复用流程，用 custom agents 处理跨文件的复杂任务，用 MCP servers 连接外部工具与数据源。
GitHub Blog · AI & MLAI 评分2525 GitHub 博客：AI 正在改变开发者工作，值得强化的三项技能
GitHub 博客提出 AI 时代开发者应强化的三项技能：学会指挥 AI 智能体而非仅使用它，不轻信 AI 的第一个答案，以及用 AI 省下的时间解决更大问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明它用第二个模型审查计划、代码和测试，以发现首个模型遗漏的问题。
GitHub Blog · AI & MLAI 评分5555 GitHub Copilot 入门教程：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas 是一种可定制界面，用户和智能体共享同一份状态，可做成看板、问题分诊板、发布清单或表格。创建时只需打开智能体会话，输入 /create-canvas 技能并用自然语言描述工作流、界面操作和智能体可执行的动作，智能体便会生成界面并在右侧面板打开。
Mistral AIAI 评分5858 Mistral 如何用 AI 智能体迁移 4 万行 Fortran 遗留代码
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 水库模拟器代码迁移到 C++，并公开了其中的智能体工作流。团队先为 Fortran 代码加入状态导出和 C++ 测试框架，建立数值对齐校验，再用 Vibe CLI 启动上百个智能体，借助 Mistral OCR 整理散落的文档。