Amazon Bedrock AgentCore 正式推出 Web Answer
AWS 宣布 Amazon Bedrock AgentCore 上的 Web Answer 正式可用，智能体只需一次工具调用即可获得带来源引用的合成答案，无需自建搜索、检索、合成与引用管线。
#部署/工程
AWS Machine Learning BlogAI 评分5858 NVIDIA BlogAI 评分5858 NVIDIA 发布 Vera CPU，主打智能体吞吐与能效
NVIDIA 发布面向 AI 智能体负载的 Vera CPU，称在 100 兆瓦数据中心对比中，单颗 Vera 同时优于最快的 x86 CPU 和最节能的 x86 CPU。
Mistral AI精选AI 评分7575 Mistral 发布 Mistral Large 4（Le Chonk）并扩展 Mistral Studio 平台
Mistral 发布 Mistral Large 4（代号 Le Chonk），并扩展企业平台 Mistral Studio，新增托管智能体、应用、工作流能力以及企业上下文、智能体可观测性和评测功能。
推荐理由：Mistral 同时更新模型与企业平台，并给出客户在生产环境中的具体用法和节省工时数据，可据此判断企业智能体落地的形态。
AWS Machine Learning BlogAI 评分4848 用决策模型配合 Amazon Bedrock AgentCore Evaluations 做智能体评测
AWS 介绍如何通过代码型评估器把 Jev 和 Strands Decider 2B 两个决策模型接入 Amazon Bedrock AgentCore Evaluations。
AWS Machine Learning BlogAI 评分5050 Amazon Quick 推出 Smart Approvals：为 AI 智能体操作保留必要人工审核
Amazon Quick 上线 Smart Approvals，用独立的分类器模型对照用户请求评估符合条件的智能体操作，自动批准或退回人工审核，且不额外授予权限、不移除既有强制审批。该功能默认开启，管理员可通过 Custom Permissions 控制使用范围，用户也可自行关闭。自动批准为单次有效，仅适用于被审核的确切操作与参数，相关权限事件记录在 AWS CloudTrail 中。
AWS Machine Learning Blog精选AI 评分6060 生产级 AI 智能体的四层上下文工程：Deep Insight 在可运行代码中的实现
AWS 团队以开源多智能体数据分析方案 Deep Insight 为参考实现，把生产级 AI 智能体的上下文工程拆成四层：多智能体架构隔离上下文、用提示词限制输出、把重内容外置到文件系统、用验证智能体与兜底机制把关。
推荐理由：AWS 团队把 Anthropic 的上下文工程建议整理成四层可落地做法，并给出开源参考实现中的具体代码与节省比例。
AWS Machine Learning BlogAI 评分4040 Indegene 如何在 AWS 上构建 LLM 驱动的数据质量智能体
Indegene 在 AWS 上的 NEXT Unified Data Platform（NEXT UDP）中构建了生产级 LLM 驱动的 Data Quality Agent，可生成上下文感知的数据质量规则、完成校验并输出可直接运行的 SQL 和 Python 代码。
AWS Machine Learning BlogAI 评分4242 U Mobile 如何用 Amazon Bedrock AgentCore 构建智能体电信运营平台 AiDaH
U Mobile 基于 Amazon Bedrock AgentCore 构建了 AI-Driven Agentic Helpdesk（AiDaH），目前覆盖六个业务部门的 150 多个运营场景，内部测量显示关键类别工单量最多下降 84.5%。
Hugging Face BlogAI 评分5858 Hugging Face 提出模型集成契约 MIC，用缩小模型在 CPU 上拦截回归
Hugging Face 发布 transformers-mic，提出模型集成契约（MIC）：把真实 checkpoint 缩成小 fixture，配合可运行的用法示例和人工审核的基线输出，在 CPU 上做快速集成测试。
NVIDIA BlogAI 评分5858 NVIDIA 介绍 Breakthrough Listen 与 SETI 研究所如何用智能体 AI 搜寻地外信号
NVIDIA 介绍 Breakthrough Listen 与 SETI 研究所已将智能体 AI 引入日常地外文明信号搜寻，在加州北部的 Allen Telescope Array 上，智能体可通过一句自然语言指令操控望远镜、校正数据并运行 AI 模型。
Google ResearchAI 评分5858 Google Research 介绍如何把基础模型用于结核病筛查一线
Google Research 在 IDWeek 2026 上分享了把健康 AI 研究推向现实的路径：从胸片结核筛查算法，到与 Nexus AI 合作取得 CE MDR class IIb 认证和 ISO 13485 认证，再到开源 MedSigLIP 与 MedGemma 等基础模型。
Microsoft Research精选AI 评分6666 微软研究院推出 Magnetar：基于证明的通用计算 zkVM
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序执行过程，在笔记本上每秒证明 720 万至 870 万条处理器指令。在 15 个基准程序上，它平均比现有最快的 zkVM 快 10 至 39 倍，证明验证耗时约 12 毫秒。其安全性只依赖 SHA-256、SHA-3 等标准哈希函数，不需要椭圆曲线、格密码、可信设置或未证明的纠错码猜想。
推荐理由：微软研究院的 zkVM 把证明速度提升到此前同类系统的 10 至 39 倍，且只依赖标准哈希函数，读者可据此判断可验证计算的工程可行性。
GitHub Blog · AI & MLAI 评分4747 GitHub 如何用 ModernBERT 分类器更少误报地检测密钥
GitHub 为密钥扫描训练了专用 ModernBERT 分类器，替代此前的 LLM 流水线，用户告警接受率提升 11.5%，推送后扫描中位执行时间缩短 86%，服务成本降低 98% 以上。该方案先用正则高召回生成候选，再由分类器结合文件路径、变量名和上下文判断是否为真实凭据。效率提升使通用密钥检测得以扩展到推送保护，在推送前返回结果。
GitHub Blog · AI & MLAI 评分5858 GitHub 推出基于 ModernBERT 的密钥检测分类器，扩展推送保护
GitHub 发布与 Microsoft Applied Sciences 合作微调的分类器，把推送保护扩展到无固定格式的密钥，可在不到 2 毫秒内评估一批候选密钥，有望让可拦截的密钥数量翻倍以上。
Berkeley AI ResearchAI 评分5858 K-Search 从 CUDA 迁移到 MLX：把内核优化经验带到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 在 K-Search 进化式内核搜索框架上新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库迁移到 Apple Silicon。
Berkeley AI ResearchAI 评分4848 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队综述并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化子任务、开启多少并发线程以及如何协调。现有方法如 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild! Inference 的并行结构多由模型外部预设，未教会模型自适应行为。