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。
#Agent
AWS Machine Learning BlogAI 评分5858 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。
Hugging Face BlogAI 评分2222 LitPivot：用动态文献情境化辅助科研想法迭代
Hugging Face 与宾夕法尼亚大学合作开发了 LitPivot，一个围绕研究提案中被编辑部分组织文献、给出带原文摘录的批评与修改建议的系统。在 17 名研究者的实验室研究中，领域专家认为用 LitPivot 打磨的研究想法比用文本编辑器加 AI 聊天工具的想法更有文献依据，参与者自评新颖性与实用性提升更多。该系统面向早期研究构思，将在 UIST 2026 展示。
Hugging Face Blog精选AI 评分6060 微软与 Hugging Face 用 ThinkingBox 数据库校验做 RL 奖励，Qwen3.8-27B 稳定通过任务从 38 增至 107
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的 0/1 可执行校验当作 RL 奖励，对 Qwen3.8-27B 做 50 步 GRPO 全参数微调。
推荐理由：微软与 Hugging Face 把数据库终态校验改造成 RL 奖励，并公开了任务筛选与训练栈，可看可复用的训练数据策展方法。
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。
AWS Machine Learning BlogAI 评分5555 Amazon SageMaker AI 训练会话正式可用，无需管理 GPU 即可自定义模型
Amazon SageMaker AI 的 serverless 模型自定义训练会话正式可用，用户可自行编写训练循环、损失函数和奖励信号，GPU 分配、分布式执行、故障恢复与 checkpoint 存储由平台负责。
AWS Machine Learning BlogAI 评分5858 AWS 推出 Amazon SageMaker AI 训练会话 API，可自写训练循环而无需管理 GPU
AWS 发布 Amazon SageMaker AI 训练会话 API，把 forward_backward、optim_step、sample 等操作变成 API 调用，模型在托管 GPU 上保持加载，用户只需在本地 Python 中编写训练循环。
Microsoft Research精选AI 评分6060 微软研究院发布 Flint-interactive 语言，让智能体生成可交互数据可视化
微软研究院发布 Flint-interactive，一种构建在 Flint 之上的交互式数据可视化语言，让智能体生成可点击、筛选、缩放、高亮并支持跨图表联动的图表。
推荐理由：微软研究院把图表交互拆成语义事件与更新算子，读者可据此判断智能体生成交互图表的成本与可靠性变化。
NVIDIA Blog精选AI 评分6060 NVIDIA 发布 Minerva，为 AI 工厂提供端到端可观测性
NVIDIA 发布 AIOps 平台 Minerva，汇集基础设施与 AI 工作负载的遥测数据，用专用 AI 模型把数据转成可执行的洞察。Minerva 跨 GPU、网络、存储、调度器和工作负载构建动态知识图谱，每小时分析数十亿数据点，可把大量告警聚合成单一事件并给出可能的根因。
推荐理由：原文交代了 Minerva 如何把 GPU、网络与作业信号关联成知识图谱，读者可据此判断 AI 工厂运维从被动告警转向主动维护的路径。
NVIDIA BlogAI 评分2828 NVIDIA 如何改造欧洲零售：从数字发现到实体运营
NVIDIA 展示欧洲零售业务的多项落地成果：Shopify 用 NVIDIA Megatron Bridge 和 NeMo RL 后训练 Nemotron 3.5 Lightning，内部基准上准确率超过领先前沿模型，服务成本降低 90%、响应快 7 倍。
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。
Mistral AI精选AI 评分8282 Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3 语音模型家族，包含转录模型 Voxtral Small Transcribe 3、Voxtral Mini Transcribe 3 与实时版，以及 TTS 模型 Voxtral Mini TTS 3，并推出基于 LiveKit 的语音智能体 SDK，把听、推理、工具调用和说话串成一条实时流式管线。
推荐理由：原文给出语音智能体 SDK 与转录、TTS 模型的完整规格和定价，可据此比较实时语音方案的成本与部署方式。
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。
Google Research精选AI 评分6464 Google Research 介绍让 AI 智能体落地湿实验室的三项研究
Google Research 发布博客，介绍让 AI 智能体从计算设计走向真实湿实验室实验的三项研究：VERID 实验室语义数字孪生框架、适配体闭环设计原型和 FAP 靶点 de novo 蛋白结合体设计。
推荐理由：Google Research 用三个项目展示智能体如何接入湿实验室的物理状态与闭环实验反馈，读者可了解自动化实验的关键工程环节。
Google DeepMindAI 评分5858 Google DeepMind 演示用 Antigravity 加速抗菌肽发现
Google DeepMind 展示了生物学家如何用 Google Antigravity 的智能体科学工作台，在一次多轮会话中完成抗菌肽候选的发现、结构评估与优先级排序，把原本分散在多个数据库的检索压缩到单一会话。
Google Research精选AI 评分7474 Google 发布 Deep Review 智能体文档审阅系统
Google 公开发布 Deep Review，一个面向复杂文档提供严谨反馈与技术核查的智能体系统，最初用于计算机科学论文分析，现已扩展到法律、金融等领域。系统采用文档分段、自适应预算、并行核查与全局综合的四阶段流程，支持 PDF 和纯文本输入，每位用户每周可免费审阅两篇文档，也可接入 Gemini API key 提高额度。
推荐理由：原文交代了 Deep Review 的四阶段智能体流程和会议试点规模，读者可据此判断自动审稿能承担哪些环节。
Google Research精选AI 评分6060 Google 发布地理空间推理智能体技术报告并扩大 Earth AI 早期访问
Google 发布 Geospatial Reasoning 智能体的技术报告，在四个基准上对比独立 LLM、基础工具、Earth AI 工具和带前置规划的完整智能体四种配置，并新开源 GeoKTools 与 GeoExpertQueries 两个基准的开发集。
推荐理由：原文给出四组基准对比与合作伙伴实测，可看清专用工具和前置规划对地理空间推理的作用。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon 并公布安全防护方案
Google DeepMind 开始广泛推送 Gemini 4 Argon，并同步发布安全与安保报告，说明其在高风险领域的防护措施。该模型在 12 个端到端模拟网络攻击场景中全部通关，上一代为 5 个；在对抗测试集上违规率降低近两倍。
推荐理由：原文披露了 Gemini 4 Argon 在网络安全与生物风险上的防护设计，以及智能体越界行为的监控数据。
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。
Microsoft ResearchAI 评分4949 微软研究院 StudentSim：用个性化学生模拟器评估和改进 AI 辅导
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，用于在接触真实学生前评估和改进 AI 辅导系统。该研究同时发布覆盖国际象棋、英语二语写作和数学的 StudentSimEval 基准，从行为保真度和对辅导引导的响应度两个维度评测模拟器，StudentSim 在这三个领域均优于主流基线。
Google Research精选AI 评分7474 Google Research 研究：AI 辅助提升专利撰写产出，但初级律师的无辅助判断力未同步提升
Google Research 在 NBER 发布专利撰写三个月实地实验，133 名律师随机获得当时未发布的 Google Labs AI 专利撰写工具（现属 Gemini Notebook）使用权。
推荐理由：三个月实地实验区分了 AI 带来的即时产出提升与无辅助判断力的变化，并指出两类收益在资深与初级律师身上并不一致。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体强化学习框架
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，让部署时使用的智能体 harness 直接参与训练，无需在训练框架内重新实现智能体。
推荐理由：微软研究院开源了约 3500 行的智能体强化学习框架，并给出用约 6000 条样本训练编码智能体的完整流程与提升数据。
Microsoft ResearchAI 评分2222 微软研究院播客：AI 会犯哪些错，失败又能教我们什么
微软研究院播客中，partner research manager Jennifer Neville 与首席应用科学家 Chad Atalla 对谈，讨论评估如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。她还分享使用当前 AI 系统的实用建议，并强调结果偏离预期时应仔细检查数据。
Mistral AI精选AI 评分8383 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，可在 Mistral Studio 试用预览 API，权重将于本月底开放。
推荐理由：官方给出 1 万亿参数、520 亿激活的规格与多项基准，并说明权重月底开放，可据此判断开源权重模型的当前水位。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查离线基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、219 个公开 PR 的评测集。
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。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，之后再逐步扩展到开发者、企业和消费者。
推荐理由：官方披露了 Argon 在内部代码迁移、漏洞发现等任务上的具体案例与基准成绩，可据此判断前沿模型在长周期工程任务中的实际位置。
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 与 Mozilla 达成合作，为 Firefox Smart Window 提供模型支持
Mistral 宣布与 Mozilla 建立合作，Firefox 的 AI 浏览助手 Smart Window（beta）改由 Mistral 模型驱动，先在法国和北美上线，英国和德国预计今年晚些时候跟进。
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。
Berkeley AI ResearchAI 评分3434 ABBEL：教 LLM 更新信念状态，提升长程交互效率
伯克利 AI 研究团队提出 ABBEL 框架，将摘要隔离为自然语言"信念状态"并对其内容进行监督评分。在协作编码基准 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 步降至 50 步，峰值上下文 token 数也显著低于全上下文设置。
Berkeley AI ResearchAI 评分5050 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 的 Aditya G. Parameswaran 等人提出，推理成本已从 GPT-4 级约 $30/百万 token 降至不足 $1，部分厂商低于 $0.10，中位年降幅约 50x，数据系统需围绕智能体重构。