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。
#Agent
亚马逊云科技中国博客精选 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。
The Decoder精选 Gemini 4 Carbon 全面开放，但快速模型迭代已削弱其新鲜感
Google 在两周安全测试后全面开放 Gemini 4 Carbon，将其定位为 Gemini 4 Argon 的补充，面向复杂多步编码、调试和开放式科学研究。
推荐理由：文章把 Carbon 与 Fable 5.2 等模型的性能和单任务成本并列呈现，便于判断深度推理能力与总费用的取舍。
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。
The Decoder精选 Anthropic Fable 5.2 完成41.3%的真实自由职业任务，较一年前提升逾16倍
Anthropic Fable 5.2 在真实工作评测中完成了41.3%的专业任务，而约一年前的领先系统 Manus 仅完成2.5%，其成绩也接近当前第二名的两倍。
推荐理由：该评测以240个真实自由职业项目和人工验收衡量智能体，可用于比较不同模型完成专业工作全流程的能力差距。
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。
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。
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。
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。
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。