柯基数据基于 Amazon Bedrock AgentCore 构建可信 Ontology Agent 平台的实践
柯基数据基于 Amazon Bedrock AgentCore 托管医药 GraphRAG 智能体，并使用 AgentCore Memory、Amazon Bedrock Guardrails 和 MCP 工具构建可解释、可追溯、可审计的 Ontology Agent 平台。
#Agent
亚马逊云科技中国博客 arXiv 机器人论文摘要 CAFE：无需实例特定指令的闭环自主任务制定与执行
CAFE 在无需实例特定目标或动作序列的情况下，根据场景自主制定并执行清洁、安全及收纳整理任务。它通过在线记忆、Trigger-LLM 以及 Draft、Complete、Audit 环节连接任务发现、执行与结果修正；在 12 个 AI2-THOR 场景中，Tri-LLM 在三种骨干模型和各任务复杂度层级上的 GCR 均高于受评基线。
arXiv 分布式计算论文摘要 短时突发消退后，前缀缓存智能体服务仍会持续退化
Wen Huang 和 Jack Liu 发现，数分钟的额外请求可使 vLLM 智能体服务持续退化，缓存命中率降至约10%、吞吐量减半，积压在其余70分钟内继续增长。
arXiv 分布式计算论文摘要 Plumbline：当损失函数说谎，如何正确验证 LLM 训练
Plumbline 是用于验证 LLM 训练正确性的系统，已在 Amazon 生产环境使用，可检查从训练数据、新增模型层到完整训练及模型服务的全生命周期，并追踪故障根因。它在 3 个框架和 5 个模型中发现 61 个问题，其中 32 个为静默问题，42 个已修复或上报上游。
arXiv 机器人论文摘要 ASPIRE：用于迭代推理与探索的智能体系统辨识平台
ASPIRE 让大语言模型智能体选择并执行非线性系统辨识方法，基于测量数据构建闭式静态或动态模型，并支持自主及交互运行。其在3个实测系统的30次测试中均生成有效模型，每次成本为0.96至3.38美元；150项评估中132项完全满足、18项部分满足。
arXiv 分布式计算论文摘要 SHADOWPREFILL：为智能体 LLM 服务的逐步模型路由预热下一模型
SHADOWPREFILL 利用正常流量的闲置容量，为路由器未选中的模型预填充会话上下文，使模型切换时可复用前缀缓存。在 5 套智能体 benchmark、24 组模型配对中，其将切换调用延迟降低 8.5-21.4%、LLM 调用延迟降低 3.7-17.7%、路由 token 成本降低 22.5-46.1%，同时维持正常流量 SLO，单请求能耗增加 0.4%。
arXiv 分布式计算论文摘要 PegasusAI Studio：面向科学工作流的可理解网络基础设施与可问责 AI 智能体
PegasusAI Studio 基于 Pegasus 和 HTCondor 构建 AI 辅助科学网关，让编码智能体理解执行环境，并将每项操作归因于用户且限制在其权限内。系统支持 JupyterHub 研究云和 HPC 上的 Open OnDemand，案例评估涵盖 CASA 工作流现代化、引力波与 EEG 分析，以及从两次失败恢复至零失败执行的 EHT M87 图像重建。
亚马逊云科技中国博客精选 使用 AWS Continuum 与 AWS WAF 构建 Security Radar 的实践指南
AWS 开源示例 Security Radar 每 10 分钟采集二十余个公开情报源，以代码判定事件真实性和紧急度，并将相关漏洞定位到仓库文件与具体行。
推荐理由：方案把外部威胁情报收敛为行级代码发现，并用确定性判定、引用校验和人工审批约束自动修复链路。
AWS Machine Learning Blog精选 Kimi K3.1 Pro Highspeed 上线 Amazon Bedrock
AWS 在 Amazon Bedrock 上线 Kimi K3.1 Pro Highspeed，可通过 OpenAI 兼容接口及 Converse、Invoke API 调用，并支持工具调用、结构化输出、可配置推理、图像输入和流式输出。
推荐理由：文章串联了模型接入、推理强度调节、Flex 分层和提示词缓存，可用于规划性能与成本兼顾的迁移方案。
AWS Machine Learning Blog精选 如何用 LangGraph 和 Amazon Bedrock AgentCore Web Search 构建每日依赖监控器
AWS 展示了如何用 LangGraph 和 Amazon Bedrock AgentCore Web Search 构建每日依赖监控器，并将日期窗口、来源黑名单、搜索预算及证据校验保留在代码中。
推荐理由：案例把日期窗口、来源黑名单、搜索预算和证据校验固化在代码中，可迁移到需要可引用实时信息的智能体工作流。
AWS Machine Learning Blog精选 Amazon Bedrock AgentCore 智能体评估指南：内置评估器、DeepEval 与 AutoEval
AWS 介绍如何在 Amazon Bedrock AgentCore Evaluations 中结合内置评估器、DeepEval 和 AutoEval，评估生产环境智能体是否完成业务目标并满足安全要求。
推荐理由：文章把业务目标拆成可观测行为并映射到评估器，提供了按智能体类型组合指标和选择运行模式的方法。
Microsoft Research精选 Microsoft 研究利用休眠神经元向 AI 智能体植入 Lazarus 后门
Microsoft 研究人员发现 Lazarus 技术无需训练，只需重编程大语言模型中少于 10 个休眠神经元，即可为其智能体植入由隐藏条件触发的后门。模型平时表现正常并能通过标准评测，触发后却可生成命令，让具备工具或终端权限的智能体下载并运行攻击者代码。研究认为可靠检测需要与原始权重比对，Microsoft 正探索权重扫描、红队检测、模型签名及可验证来源审计等防御措施。
推荐理由：研究揭示少量休眠神经元即可植入隐蔽后门，并将模型权重完整性与来源追溯列为智能体部署的关键防线。
AWS Machine Learning Blog Trovata 如何基于 Amazon Bedrock 和 AgentCore 构建自主财资智能体
Trovata 基于 Amazon Bedrock 和 AgentCore 构建自主财资智能体，将监控、差异解释、异常检测和报告转化为持续运行的工作流。该平台直连超过 10,000 家银行，并以 RBAC 约束智能体权限；客户年化节省 $1M+，每个会计团队每天节省超过 5 小时，财资报告生成时间缩短至 1 分钟以内。
AWS Machine Learning Blog TCS 如何使用 Amazon Bedrock AgentCore 构建智能体测试编排器
TCS 使用 Amazon Bedrock AgentCore 构建了面向 BFSI 客户的智能体测试编排器，将需求转化为可执行、可治理的 API 与浏览器 UI 测试。
Google DeepMind精选 Google DeepMind 发布 Gemini 4 Carbon，面向复杂智能体工作流与科学推理
Google DeepMind 现已向开发者、企业、科学家和消费者开放 Gemini 4 Carbon，主打网络安全、长周期智能体工作流、复杂编码与科学推理。
推荐理由：原文集中呈现 Carbon 与 Argon 的定位差异、任务成本及安全评测数据，可用于比较两者在复杂工作流中的适用范围。
NVIDIA Blog精选 NVIDIA 向 CNCF 捐赠 OpenShell，并发布三项开源 AI 基础设施组件
NVIDIA 将智能体安全与治理运行时 OpenShell 捐赠给 CNCF，并宣布 NVIDIA Kubernetes Engine、NVIDIA Kubernetes Recipes 和 NVIDIA Snapshot 三项 DSX AI Factory Platform 开源组件。
推荐理由：原文同时交代智能体治理、Kubernetes 扩缩容和推理恢复数据，可用于比较开源 AI 基础设施的落地路径。
Google DeepMind精选 Google DeepMind 公布 AlphaProof Code 研究，形式化验证 Signal 核心加密代码
Google DeepMind 公布 AlphaProof Code 研究，利用多 LLM 智能体框架和 Lean，对 Signal 协议实际代码的关键安全属性进行形式化验证。
推荐理由：该研究给出人类专家、多种大语言模型与 Lean 协作验证生产级密码代码的流程，可供评估 AI 形式化验证的工程路径。
AWS Machine Learning Blog AWS Quick 中技能与智能体如何协同工作
AWS 讲解了 AWS Quick 中智能体如何加载技能、通过连接器执行操作，并基于空间、知识库、数据集和仪表板回答问题。Quick 技能遵循 Anthropic 发布的 Agent Skills 规范，以根目录中的 SKILL.md 定义名称、描述和指令，可通过聊天创建、发布并分享给团队。文章还介绍了生产技能的测试、失败处理、依赖记录和权限边界，以及官方目录和自定义智能体的使用方式。
AWS Machine Learning Blog Amazon Bedrock Managed Knowledge Base 新增单次 RAG 与仅检索模式
Amazon Bedrock Managed Knowledge Base 现通过 AgenticRetrieveStream 支持单次 RAG、智能体检索和仅检索请求，maxAgentIteration 范围扩展为 0–5。设为 0 时只返回段落且不调用 LLM，设为 1 时执行一次检索并生成答案，设为 2–5 时可进行多轮规划和检索。应用需自行选择模式，现有使用 2–5 的请求保持原有行为。
NVIDIA Blog精选 NVIDIA 在 CoRL 发布 GR00T 2，并推出机器人仿真与评测技术
NVIDIA 在 CoRL 发布开放世界动作模型 GR00T 2，并推出 Isaac Lab 3.0、Isaac Lab-Arena 0.4、DexBench、VABAR 等机器人仿真与评测技术。
推荐理由：材料串联世界动作模型、仿真训练和工业评测，呈现机器人从技能学习到部署验证的一套完整技术路径。
Berkeley AI Research BAIR 在 CoRL 2026 展示机器人学习研究成果
BAIR 师生与博士后在 CoRL 2026 展示 33 篇主会论文、4 项后期成果，并参与 3 场口头报告和 7 场亮点报告。研究涵盖机器人控制、具身智能体、视觉语言动作模型、灵巧操作与导航，Negar Mehr 教授还将发表早期职业主题演讲。
NVIDIA Blog 韩国 AI 生态借助 NVIDIA 推进并保障智能体 AI
韩国企业正借助 NVIDIA 技术推进智能体 AI：现代汽车集团探索 NeMoClaw 蓝图与 OpenShell，AIM Intelligence 将 Starfort 接入 OpenShell，以强化恶意指令和数据泄露检测。
GitHub Blog · AI & ML精选 超越代码生成：开发者的智能体工程指南
GitHub 以 Plan、Build、Verify、Observe 四个阶段，讲解如何用 Copilot 将 AI 智能体融入软件开发全流程。文章介绍了跨工具汇集需求、并行执行隔离任务、拆分堆叠式拉取请求、自动检查与修复，以及结合可观测性数据追踪发布后问题的方法。
推荐理由：文章以规划、构建、验证和观察四阶段拆解智能体工程，可用于梳理 Copilot 融入软件开发全流程的方法。
亚马逊云科技中国博客 上海博卡携手亚马逊云科技，4 周上线多语言 AI 预约客服
上海博卡基于 Amazon Connect Customer、Amazon Nova 2 Sonic 和 Amazon Bedrock AgentCore，用 4 周上线支持中、英、西、法、意、德 6 种语言的 AI 预约客服。
Microsoft Research精选 Microsoft Research 用 PDD Kit 形式化验证智能体编写的全栈 Web 应用
Microsoft Research 介绍了 PDD Kit 如何把开发者意图转为 Verus 形式化规格，证明智能体代码对所有输入满足规格，并在证明覆盖不到的部分使用测试。
推荐理由：案例展示了将自然语言意图转成形式化规格，并用证明与测试分层约束智能体代码的完整工作流。
亚马逊云科技中国博客精选 在 Amazon Bedrock AgentCore 上构建受治理的进程内 DuckDB Data Agent
亚马逊云科技给出一个基于 Amazon Bedrock AgentCore 的受治理 Data Agent 参考实现，将 DuckDB 嵌入 Agent 进程，并就地读取 Amazon S3 Tables。
推荐理由：方案把数据智能体的成本、权限与准确率问题映射到确定性架构层，并给出可复用的完整代码与评测闭环。
NVIDIA 中国官方博客 NVIDIA Vera CPU 兼顾最高吞吐量与最快智能体性能
NVIDIA Vera CPU 在单颗处理器中兼顾智能体执行速度与每瓦性能容量，同等功耗下支持的智能体数量比最快的 x86 CPU 多 1.6 倍。Perplexity 的智能体编码任务提速 1.5 倍，Daytona 启动 1,000 个智能体沙箱仅需 10.8 秒，x86 平台则需 88.4 秒。
Google DeepMind Google Antigravity 上线 Cheminformatics Skills，加速药物发现工作流
Google DeepMind 为 Google Antigravity 上线 Cheminformatics Skills，可编排文献检索、化合物整理、分子分析、效力建模及合成路线设计。
NVIDIA 中国官方博客 AI 正在重塑半导体晶圆厂运作模式，助力工程师提升工程效率
NVIDIA 通过加速计算、基于物理的 AI、AI 智能体和数字孪生，帮助晶圆厂缩短仿真周期、预测工艺表现并在部署前验证变更。cuDSS 可将部分仿真最高加速 10 倍，PhysicsNeMo 将形貌仿真最高加速 35 倍，并把等离子体预测从数天缩短至最快数毫秒；NeMo Switchyard 则将模型选择响应时间从数小时降至数分钟。
NVIDIA 中国官方博客 createrole 用两台 NVIDIA DGX Spark 承载一个科室的“数字员工编制”
createrole 将数字员工应用全栈及开源权重模型部署在两台 NVIDIA DGX Spark 组成的桌面集群，实现当天部署、验收断网的政企私有化交付。DeepSeek-V4-Flash-Vision-Exp 方案采用 FP4/FP8 混合精度权重与 DSpark 投机解码，单请求上下文上限约 100 万 token。
Microsoft Research Microsoft Research Focus 第97期：AI 智能体、Copilot 使用与天气预测研究进展
Microsoft Research Focus 第97期集中展示AI智能体、职场AI使用及天气预测等研究进展。ForkPilot在6项基准和领先模型测试中将AI处理需求最多降低59%，CABRA发现理解陌生代码库仍是编码智能体的主要障碍。Copilot Chat中编辑文档占已分类活动逾20%，TeleTune可从活动日志学习可复用技能与工作流。
NVIDIA 中国官方博客 NVIDIA 与 Eclypsium 构建可信 AI 基础设施，打造安全可靠的 AI
NVIDIA 与 Eclypsium 通过硬件隔离、独立验证和持续监测，为云计算及代理式 AI 构建可验证的基础设施信任链。NVIDIA BlueField DPU 提供硬件信任根和可配置安全边界，Eclypsium AI Infrastructure Assurance 负责固件完整性与配置监测；BlueField-4 和 NVIDIA Sentry 则支持带外监测智能体行为并实时执行策略。
Google DeepMind精选 Google DeepMind 发布 Gemini 4 Carbon，强化网络安全与长周期任务能力
Google DeepMind 发布 Gemini 4 Carbon，主打网络安全、编码和长周期智能体任务，本周起先向部分网络防御人员开放。该模型在 SEC-bench Pro、ExploitGym 和 CWE-bench 上分别取得 88.2%、54.8% 和 71.0%，Terminal-Bench 4.0 成功作弊率降至 0.0%。
推荐理由：材料集中给出漏洞发现、利用与修补基准，以及分阶段开放和定价信息，便于比较模型能力与使用门槛。
NVIDIA 中国官方博客精选 NVIDIA RTX Spark 笔记本电脑迎来新模型、智能体工具与游戏更新
NVIDIA 为 RTX Spark 笔记本电脑带来模型、智能体工具和游戏更新，并宣布华硕、戴尔、联想、微软和微星的相关产品现已上市。Nemotron 3.5 Transcribe 支持 40 种语言的转录、说话人标注和翻译，NVIDIA App 新增前台应用与后台智能体之间的 GPU 资源管理功能，LFM3 系列也获得首日支持。
推荐理由：多项更新围绕本地模型运行、GPU 资源分配和游戏图形展开，可据此判断 RTX Spark 对开发与娱乐工作流的覆盖范围。
NVIDIA 中国官方博客 C-BRAIN 与 NVIDIA 如何用 AI 加速痴呆症研究
C-BRAIN 正与 NVIDIA 合作，将 BioNeMo 和 MONAI 整合进研究流程，并以集中式与联邦式混合架构利用未充分开放的阿尔茨海默病数据。其开源工具 OpenScientist 可半自动生成假设、运行分析并产出可审计见解，InsightEngine 则通过文献、数据集和生物医学知识图谱检验假设与论断。
NVIDIA 中国官方博客精选 NVIDIA 与 Meta 深化 Muse 模型合作，并投资 30 亿美元参与股权发行
NVIDIA 与 Meta 宣布扩大 Muse 及其系列模型的合作，以优化推理、训练和工作流，并探索 NVIDIA OpenShell 与 NVIDIA Sentry 在智能体安全部署和行为监测方面的合作。Meta 计划扩大部署 NVIDIA Vera Rubin、Vera CPU、Spectrum-X 和 BlueField-4，NVIDIA 还将投资 30 亿美元参与 Meta 的股权发行。
推荐理由：合作覆盖模型工作流、安全架构、算力网络与股权投资，可用于理解双方如何整合智能体技术栈。
Microsoft Research精选 Microsoft Research 研究人员解决提出31年的 KLS 猜想
Microsoft Research 的 Xinzhi Zhang 与合作者 Zhao Song 解决了提出31年的 Kannan–Lovász–Simonovits（KLS）猜想，给出与维度无关的固定界。
推荐理由：材料梳理了人类主导的多智能体筛选流程，以及递归收紧维度依赖直至常数界的关键思路。
GitHub Blog · AI & ML精选 3 位 Java Champions 如何使用 GitHub Copilot 提升生产力
3 位 Java Champions 分享了在生产环境和开源项目中使用 GitHub Copilot 的案例，并强调开发者仍需提供上下文、验证结果并对交付负责。
推荐理由：三位资深 Java 开发者的案例把智能体编程拆成需求澄清、分步执行、验证门槛和人工复核，可迁移到日常工程流程。
GitHub Blog · AI & ML精选 如何在 VS Code 中继续 GitHub Copilot app 会话
GitHub 介绍了如何在 VS Code 中直接继续 GitHub Copilot app 会话，并保留原有对话、代码变更和工作上下文。VS Code 会打开该会话关联的 worktree 和分支，用户可逐行审查差异、继续向 Copilot 提问、手动修改并在本地测试。完成后可提交并推送更新，直接更新会话所关联的 pull request。
推荐理由：教程串联会话上下文、差异审查、同一工作树和拉取请求，呈现从智能体实现到人工验收的完整协作流程。
GitHub Blog · AI & ML精选 GitHub Copilot 入门：如何让 Copilot 理解你的代码库
GitHub 介绍了让 Copilot 理解代码库的四种方式，包括自定义指令、智能体技能、自定义智能体和 MCP 服务器。团队可在 .github/copilot-instructions.md 和 .github/instructions 中定义通用或路径特定规则，在 .github/skills 中封装重复流程，并通过 .github/agents 配置专项智能体。
推荐理由：文章把仓库规则、重复流程、专项任务和外部工具分别映射到四类配置，便于团队按任务范围组合 Copilot 的上下文机制。