内容类型
拿来就能用的实操内容：提示词技巧、工作流搭建、工具用法与踩坑经验。
53 条精选近 30 天 50 条共收录 86 条
微软联合HuggingFace在ThinkingBox-Bench基础上推出thinkingbox-training开源仓库，展示如何将ThinkingBox中“数据库终态可执行检查”作为GRPO奖励信号，并用离线策略相对难度筛选任务池，在Qwen3.8-27B上完成50步RL微调。
推荐理由：文章展示了ThinkingBox-Training的实现细节和训练结果，帮助开发者理解如何将数据库可执行检查转化为RL奖励机制。
AWS 发布教程，介绍如何在 Amazon SageMaker AI 上部署 Kokoro-82M 文本转语音模型，并通过双向流式接口将每个句子实时送入模型合成音频，从而避免等待完整响应再开始语音合成。
推荐理由：原文给出一套可在 SageMaker AI 上复现的流式语音方案，读者可据此降低语音 Agent 的首个音频延迟并比较两种传输成本。
AWS 发布说明，介绍如何在 Amazon Quick 中合规使用 PHI。Amazon Quick 是 HIPAA 可选服务，覆盖结构化与非结构化两条数据流，提供 ACL、日志、加密和访问控制，并给出实施步骤与注意事项。
推荐理由：原文系统说明了 Amazon Quick 支持 HIPAA 的数据流、控制与部署模式，可据此评估医疗场景合规落地方案。
某产品发布新的智能体功能，给出了开放入口和主要能力变化。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
IBM 在 Hugging Face 开源了 Granite Timeseries Ensemble R1，用同一个可扩展接口同时调用 PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1 和 TTM-r3 四个架构，开箱提供点预测与 0.1-0.9 分位数输出，支持 Probabilistic 默认配方与按预测扩散自适应的 IQR 配方。
推荐理由：它把四种不同架构的 Granite 时间序列模型打包成统一接口，用户无需微调即可直接获得概率与分位数预测，降低了模型选择成本。
NVIDIA 在 GTC Berlin 展示 StormScope EU 等 Earth-2 开放模型，提供短临预报与区域气象预测能力。AXA、Vaisala Xweather、TotalEnergies 和曼彻斯特大学等已基于 Earth-2 部署区域气候、空气质量及太阳能发电预测应用。
推荐理由：NVIDIA 展示了 StormScope EU 等新模型的实际部署案例，读者可了解开源模型在区域气象与环境预测中的落地路径。
AWS 解决方案架构团队发布并开源 Deep Insight，一个可把 CSV 数据和自然语言提示转化为专业分析报告的多智能体系统。
推荐理由：原文给出生产级多智能体架构的具体设计、模型选型权衡和 AWS 部署方案，可迁移复用。
AWS 发布指南，说明如何通过 VPC 端点和 VPC 连接将 Amazon Quick 接入企业内网，确保 AI 代理和仪表板在不经过公网的前提下访问内部数据源。文档覆盖网络隔离、身份联合及成本估算。
推荐理由：官方给出 Amazon Quick 私有网络架构的完整实施步骤，有助于企业构建合规的低延迟 AI 访问路径。
AWS 官方博客介绍使用 Strands Agents 和 Amazon Bedrock 构建自适应智能体框架（AAIF）。框架通过本地小语言模型分类请求，日常查询由 Ollama 在边缘处理，复杂任务路由至云端大模型，示例基于 IoT 监控场景并附带完整代码。
推荐理由：给出可运行的代码和 IoT 示例，帮助开发者在本地 SLM 与云端 Bedrock 之间按复杂度路由请求以降低成本。
AWS 发布指南介绍在 trn2.48xlarge 上通过 torchtitan 训练 Qwen3 的三种方式：使用 Transformers v5 后端、切换为 torchtitan 原生 Qwen3 实现，以及加载 torchtitan-neuron 的 NKI MoE 算子并演示自定义 NKI 算子注册。
推荐理由：文章给出了在 AWS Trainium 上跑 Qwen3 的三种具体配置和完整 launch 命令，便于直接迁移到训练流程。
i14 与 AWS 合作将 Laplace 3B 线性注意力模型部署到 AWS Trainium2，通过 TorchNeuron Native 使用原生 PyTorch 保留 GLA 架构，单 trn2.48xlarge 训练吞吐约 12 万 token/秒，推理 1,280 并发序列输出 11,544 token/秒。
推荐理由：原文给出了模型设计与 Trainium2 工程适配细节，读者可据此评估其在长上下文场景下的部署可行性。
Simon Willison发布自建的浏览器RTS游戏Battle Drones v12。该作品由Claude Code主导构建，经历了从MVP到3D建模、随机地图、Goliath机甲、Agent对战及音频多人等12个主要版本迭代。
推荐理由：开发者完整公开v12版本的12次迭代过程与关键设计选择，并上线音频多人与Agent对战功能。
AWS 发布教程，演示如何通过 Amazon Bedrock 跨区推理（CRIS）从 Canada Central 和 Canada West 调用 OpenAI GPT-5.6、GPT-6 和 GPT-6.1 模型。
推荐理由：官方给出了跨区推理的完整接入指南，覆盖 API 调用、权限、配额与安全合规，可直接落地生产。
Octave Reliance 团队利用 Amazon Bedrock、Cohere Embed v4 和 AgentCore 为超过 14,000 个客户构建了支持语义搜索的多租户 AI 基础架构，解决了跨租户隔离、不可信文档注入及 20 亿级文档快速入库等难题，将新用例部署时间缩短 50%。
推荐理由：原文详述了如何在强隔离约束下构建SaaS AI基础架构，给出了Cohere Embed v4选型与AgentCore隔离设计的可复用经验。
AWS 发布教程，介绍如何在 Amazon SageMaker HyperPod 上通过监督微调（SFT）和基于组的相对策略优化（GRPO）对 GPT-OSS-20B 进行多语言推理微调。
推荐理由：本文提供了在 SageMaker HyperPod 上用 SFT 和 GRPO 微调 GPT-OSS-20B 处理多语言推理的完整代码路径与配置。
AWS 发布参考架构与部署指南，展示如何用 Amazon Bedrock AgentCore 和 Amazon Quick 把供应链多系统数据变为自然语言对话智能。
推荐理由：原文给出一套可复用的供应链智能体参考架构与分步部署指南，覆盖 AgentCore、MCP 连接器和 Amazon Quick 的端到端集成。
Smartsheet 发布通用可用的 MCP Server，提供 40 多种工具用于读取、写入和管理 Smartsheet 数据，已与 Amazon Quick 和 Kiro 集成。该服务可通过 Streamable HTTP 在商业 US、EU 和 AU 三个区域访问，使用 OAuth 2.0 或个人访问令牌认证，允许项目经理和业务用户通过自然语言查询项目状态、更新任务以及生成摘要。
推荐理由：官方给出通过 MCP 协议对接 Smartsheet 的具体步骤，适用于想在 Amazon Quick 或 Kiro 中使用工作管理数据的场景。
Smartsheet 发布了通用可用的 MCP Server，提供 40 多个工具用于读取和管理表格、任务与自动化。可通过 Amazon Quick 让业务人员用自然语言查询和更新项目状态，或通过 Kiro 让开发者在不切换工作流的情况下获取 Sprint 数据并自动更新任务。
推荐理由：文章演示了通过 MCP 连接 Smartsheet 到 Amazon Quick 和 Kiro 的实操流程，可直接复制配置参考。
Hugging Face 推出 TorchTPU，将 TPU 作为 PyTorch 原生后端，Transformers 和 Diffusers 现在可直接在 TPU 上运行，无需 PyTorch/XLA。TPU 上运行 Qwen3-30B-A3B 等模型时，结合 Pallas 内核可实现最高 21.5 倍的解码加速，目前 96.5% 的测试通过。
推荐理由：Hugging Face 官方介绍 TorchTPU 后端及 Transformers、Diffusers 的 TPU 原生支持，读者可了解迁移成本与性能收益。
AWS与AtScale联合发布在Amazon EKS上构建Agentic AI语义层的方案，该方案通过AtScale MCP服务器与Amazon Bedrock AgentCore集成，支持将SML语义模型暴露给AI智能体，实现基于角色的访问控制和行级安全策略，同时保持与现有BI工具的兼容性。
推荐理由：官方给出了AtScale语义层与Bedrock AgentCore的落地方案，含MCP协议与身份治理细节。