如何自动化管理 Amazon Textract 适配器的跨账户生命周期
Amazon Textract 适配器跨账户生命周期管理方案将适配器配置与应用解耦，可零停机更新生产引用，无需重新部署。方案提供基础设施模板、文档预分类路由和生产安全配置。跨账户迁移目前仍需提交 AWS Support 工单，且仅转移训练后的模型权重，不含查询定义和训练数据。
全部AI 动态
全部动态
今日 7 条AWS Machine Learning BlogAI 评分3434 AWS Machine Learning BlogAI 评分4949 如何使用 Amazon Nova Act 实现合成监控
Amazon Nova Act 与 Amazon Bedrock AgentCore 可结合实现智能体驱动的合成监控，定期验证关键用户流程。方案通过 UI 截图和自然语言动作替代 DOM 选择器脚本，提升对界面变化的适应性，并提供托管执行、隔离浏览器、调度与失败告警，附有完整实现的示例仓库。
AWS Machine Learning BlogAI 评分4444 在 SageMaker AI 上使用 vLLM-Omni 生成图像和视频教程（第 2 部分）
AWS 的示例在 SageMaker AI 上使用同一 vLLM-Omni 容器部署图像与视频端点，实现从文本生成图像再转为短视频。FLUX.2-klein-4B 通过实时推理生成图像，Wan2.1-VACE-1.3B 通过异步推理生成视频，MP4 存入 Amazon S3。
AWS Machine Learning BlogAI 评分4444 如何在 SageMaker AI 上使用 vLLM-Omni 构建实时语音应用——第 1 部分
开发者可通过 AWS vLLM-Omni DLC 在 Amazon SageMaker AI 上部署 Qwen3-TTS，实现无需等待完整响应生成的流式语音播放。教程使用持久双向连接发送文本并接收音频块，提供部署脚本和 Gradio 客户端示例。
AWS Machine Learning BlogAI 评分5050 Amazon Quick 提示词工程基础指南
Amazon Quick 提示词工程指南给出通用原则与结构化框架，帮助提高自然语言请求响应的准确性和可靠性。核心方法包括明确指标与范围、补充业务背景，以及用示例约束输出格式。CRISPE 框架进一步组织上下文、角色、目标与步骤，适用于跨组件的复杂请求。
AWS Machine Learning BlogAI 评分5151 Amazon Quick 各组件的提示词工程指南：有效模式与常见误区
AWS 给出 Amazon Quick 各组件的提示词工程方法，说明研究、工作流、数据分析、聊天智能体和动作集成需要不同的指令结构。Quick Research 应明确研究目标、受众和来源范围，Quick Flows 应写清触发条件、编号步骤与异常处理，Quick Sight 应指定指标、维度、时间范围和图表形式。
AWS Machine Learning Blog精选AI 评分6161 如何用 Amazon Quick 与 Amazon Bedrock AgentCore 构建 AI 合同智能平台
AWS 展示了用 Amazon Quick 与 Amazon Bedrock AgentCore 构建合同智能平台的架构，通过结构化提取支持跨合同汇总，并保留原文检索能力。
推荐理由：将跨文档汇总交给结构化数据库、单文档查找留给检索，为大量非结构化文档同时支持统计与问答提供了可迁移的架构方法。
AWS Machine Learning BlogAI 评分5050 Condé Nast 如何用 Amazon Bedrock 构建多模态视频检索
Condé Nast 与 AWS 基于 Amazon Bedrock 构建多模态视频检索系统，将超过 140,000 条视频库的单次内容查找时间从 250 分钟缩短至约 2 分钟。
GitHub Blog · AI & ML精选AI 评分6161 GitHub Copilot app 入门：如何用 canvases 构建自定义工作流
GitHub Copilot app 可通过 /create-canvas 技能生成用户与 AI 智能体共享的自定义界面，无需手动编码或设计。创建时需说明工作流、用户可执行的操作及智能体可执行的操作，随后可继续调整界面，并将其保存为项目共享或个人使用的扩展。双方操作会即时更新共享状态，无需单独发送或同步；也可从 Awesome Copilot 安装社区提供的 canvas 扩展后再定制。
推荐理由：将工作流、用户可操作项和智能体可操作项分别写清，是这篇教程提供的可迁移方法，有助于把界面需求转成明确的协作边界。
AWS Machine Learning BlogAI 评分3232 如何借助 EFA 和 DeepEP 在 Amazon EKS 上扩展 MoE 强化学习，提升 40% 吞吐量
AWS 展示了结合 Amazon EKS、EFA 与 DeepEP 的 MoE 强化学习扩展架构，吞吐量提升 40%。该架构通过 Amazon EKS 编排大规模训练，并以 DeepEP 优化 EFA 上的专家并行通信，协调 rollout 生成与策略训练，缓解跨节点通信瓶颈。
AWS Machine Learning BlogAI 评分3737 如何在 Amazon SageMaker HyperPod 上使用 SkyRL 加速多模态强化学习训练
Amazon SageMaker HyperPod 可结合开源框架 SkyRL 运行多模态强化学习训练，并提供故障恢复与训练监控能力。教程以 Qwen3-VL-8B 为例，从 VisGym SFT 检查点进行 GRPO 后训练，在固定的 64 个迷宫评测集上将通关率从 43.75% 提升至超过 95%。
AWS Machine Learning BlogAI 评分5757 NarrateAI 如何在 Amazon Bedrock 上实现生产级 LLM 质量保障
NarrateAI 在 Amazon Bedrock 上结合五项质量保障技术，在生产部署中实现约 13 秒开始输出已校验响应、99.3 percent 的数值准确率。
AWS Machine Learning BlogAI 评分4747 如何在 Amazon SageMaker AI 上部署 Qwen3-TTS，实现实时个性化语音
Qwen3-TTS-12Hz-1.7B-Base 现可通过 Amazon SageMaker JumpStart 部署至全托管实时推理端点。模型仅需数秒参考音频及转录文本即可克隆声音，无需重新训练，支持跨语言克隆。部署方案使用预构建服务容器，生成 24 kHz 音频，并将音频数据保留在用户的 AWS 环境内。
AWS Machine Learning BlogAI 评分3939 Datacor 如何利用 Amazon Quick Sight 构建自助租赁分析
Datacor 将 Amazon Quick Sight 集成到 TrackAbout，让业务用户自助分析租赁数据，无需为常规分析提交 IT 请求。方案内嵌交互式仪表板与生成式 BI 自然语言查询，并通过自动化跨云数据管道定期刷新数据，支持查看资产利用率、计费异常和收入回收趋势。
AWS Machine Learning BlogAI 评分3333 使用 Amazon SageMaker HyperPod 和 Qumulo 进行跨区域训练
Amazon SageMaker HyperPod 与 Qumulo 的跨区域训练方案经验证，预热后可达到数据同区域训练的吞吐量。测试使用 LLaMA v3，在 60 ms 网络延迟下，吞吐量于前 100–150 批次内收敛至 115–117 samples/sec。方案通过预测缓存读取远端数据，无需完整复制数据集或修改代码。
GitHub Blog · AI & MLAI 评分5555 GitHub Security Lab Taskflow Agent 如何驱动 AI 模糊测试
GitHub Security Lab 展示了 Fuzzing Taskflow 的运行方法与架构，用智能体自动完成 C/C++ 项目的测试入口识别、测试驱动代码编写、覆盖率改进和崩溃分析。
AWS Machine Learning BlogAI 评分4444 在 SageMaker AI 上使用 WhisperX 实现带说话人标签的转录
AWS WhisperX 深度学习容器可部署到 Amazon SageMaker AI 实时或异步端点，提供逐词时间戳和说话人标签，无需构建自定义镜像。实时端点适合须在 60 秒内完成处理的短音频，异步端点推荐用于长音频；AWS Samples 提供可运行的部署示例。
GitHub Blog · AI & MLAI 评分4848 GitHub Copilot 应用如何渲染超大型拉取请求
GitHub Copilot 应用重构拉取请求视图，让庞大的代码差异与审查讨论仍能流畅渲染。团队以包含 2,200 个文件、超过百万行变更和超过 400 条行内审查评论的开源拉取请求进行测试。方案保留代码行虚拟化，将固定代码高度与动态评论高度分开计算，通过延迟测量及锚定修正减少滚动跳动。
NVIDIA BlogAI 评分5151 NVIDIA 解读如何在智能体技术栈的每一层解决 AI 安全工程问题
NVIDIA 将 AI 安全视为覆盖模型、智能体编排框架和运行环境的工程问题，要求每次部署具备可强制执行的边界、明确责任人及防护有效性的证据。运行环境应独立于智能体推理限制文件、网络和进程访问，为智能体配置可追溯身份与任务范围内的凭据，并对重大操作和权限变更保留人工审批。
MIT Technology Review · AIAI 评分4444 MIT Technology Review 如何绘制首张美国边境“虚拟墙”沿线死亡综合地图
MIT Technology Review 与 Times of San Diego 联合调查，绘制了首张美墨边境监控塔附近死亡事件综合地图。团队整合既有数据库与政府记录，并通过 API 调用 Anthropic 的 Claude 提取部分报告中的遗骸位置坐标，再分批人工核验。记录缺失及来源限制使得得克萨斯州移民死亡人数被低估。
GitHub Blog · AI & ML精选AI 评分7878 GitHub 如何使用 Copilot 将 Copilot 运行时迁移至 Rust
GitHub 使用 Copilot app 和 CLI 将 Copilot 智能体运行时从 TypeScript 迁移至 Rust，主要由一名开发者监督智能体在几个月内完成。
推荐理由：按组件原位替换、持续测试与人工合并把关的迁移实践，为在持续迭代的代码库中组织智能体重写提供了可迁移的方法。
GitHub Blog · AI & ML精选AI 评分6262 营销运营即代码：如何在 GitHub 上自动化活动策划到会后跟进
GitHub 日韩营销负责人 Tomoko Tanaka 用 GitHub Copilot、Issue 和 Actions，将活动筹备、报名筛查与会后跟进串成自动化流程。
推荐理由：把业务手册转成结构化输入与可审查的技能文件，为跨工具重复工作提供了可迁移路径，同时保留人工确认和试运行机制。
GitHub Blog · AI & MLAI 评分5151 GitHub Copilot app 入门：使用 diff、终端和浏览器面板
GitHub Copilot app 可通过内置 diff、终端和浏览器面板，在应用内完成智能体代码的审查、运行与预览。diff 面板展示增删改动并支持接受改动、评论或要求修改；终端支持手动运行命令，也可配置通过 Run 按钮执行的脚本，例如运行 npm run dev。浏览器面板可测试界面，并通过 Pick & Polish 选择元素与智能体一起调整，确认功能后可直接接受改动并创建拉取请求。
Hugging Face BlogAI 评分4343 在 HF Jobs 上用 LoRA 运行异步 GRPO：一个存储桶、一个代理，无需 NCCL
Hugging Face 展示了跨 HF Jobs 运行异步 GRPO 的方案，通过存储桶同步 LoRA 适配器，无需 NCCL。TRL v1.14 的 AsyncGRPOTrainer 支持仅向 vLLM 同步适配器，代理负责请求路由及加载广播。同一训练配方经优化，500 步耗时从 3 h 27 min 降至 53 min。
Hugging Face Blog精选AI 评分6868 如何用 Gradio Workflow 重建 AUTOMATIC1111 的大部分功能
Hugging Face 展示了如何用 Gradio Workflow 构建 Workflow1111，以 73 个节点、11 条媒体流水线重建 AUTOMATIC1111 的大部分功能。
推荐理由：将模型调用与本地处理统一为节点，并从输出自动生成接口，提供了把多模型演示转为可共享、可编程调用应用的具体方法。
Mistral AI精选AI 评分6565 Mistral 如何用 AI 智能体现代化改造复杂遗留代码
Mistral 帮助一家欧洲能源运营商将储层模拟器的 40,000 行 Fortran 77 迁移至 C++，完成了总计 300,000 行代码中的核心功能部分。
推荐理由：先建立数值一致性测试再分模块迁移，并在人类审核节点处理智能体停滞，为复杂遗留代码现代化提供了可迁移的方法。
GitHub Blog · AI & MLAI 评分5252 GitHub Copilot app 入门：如何同时运行多个智能体
GitHub Copilot app 可通过会话视图管理多个并行智能体任务，每个会话可在自己的 Git worktree 中运行，彼此隔离。各会话保留独立上下文，切换后无需重新说明任务，会话卡片显示任务标题和进度。教程以 tailspin-toys 仓库为例，演示同时开展 funded sort 功能开发、无障碍审查和测试，并在任务完成后逐一查看结果。
Hugging Face BlogAI 评分4949 如何用 100 步 GRPO 微调 LFM2.5-350M，提升结构化输出表现
LFM2.5-350M 经 100 步 GRPO 微调后，IFStruct 通过率从 22.6% 提升至 29.7%。该教程使用 TRL 和约 500 个样本训练，可在免费档 Colab 或 Kaggle GPU 上运行，完整流程已在 GitHub 公开。
Hugging Face BlogAI 评分5959 如何用 TRL 和 OpenEnv 训练 Qwen3.5-35B-A3B 编写代码绘制水彩
作者用 TRL 和 OpenEnv 复现了以强化学习训练 Qwen3.5-35B-A3B 编写 p5.brush 水彩绘画代码的方法，并公开数据、环境、脚本和训练产物。
Hugging Face BlogAI 评分5252 如何用 Sentence Transformers 训练与微调多向量嵌入模型
Sentence Transformers 多向量训练教程基于 v6.0 的 MultiVectorEncoder，给出从检查点选择、领域微调到评估与索引压缩的完整流程。
Hugging Face Blog精选AI 评分6868 IBM Granite 4.2 推理模型如何构建：从基础模型到多阶段强化学习
IBM Granite 团队详解 Granite 4.2 的构建流程，3B、8B、30B 模型均由 Granite-4.1 基础模型经 SFT 和多阶段强化学习训练而来。
推荐理由：分阶段训练配方将可验证奖励、真实环境任务和偏好对齐串联起来，为拆解推理与智能体能力的训练路径提供具体参考。
Hugging Face BlogAI 评分5353 Hugging Face 的 Inference Endpoints、Jobs 和 Buckets 如何支撑 Papers with Code 搜索
Papers with Code 使用 Hugging Face Jobs、Storage Buckets 和 Inference Endpoints 构建混合搜索，覆盖超过 110,000 篇论文。
Hugging Face BlogAI 评分5555 Sentence Transformers 多向量嵌入模型使用指南：延迟交互检索与索引优化
Sentence Transformers v6.0 的 MultiVectorEncoder 支持通过统一 API 使用多向量嵌入模型，教程覆盖模型加载、MaxSim 评分与检索系统接入。
Hugging Face BlogAI 评分4040 同一 GPU 集群，利用率提高 33 个百分点：改变的是分配顺序
一种考虑约束的 GPU 分配器在相同硬件与工作负载下，相比 FIFO 调度器将利用率最多提高 33 个百分点。7 个基准场景的优先级加权产出均有提升，最高约 105%。该分配器按实时需求动态分配 GPU，让批处理任务利用需求低谷，并在整个调度周期内按优先级安排任务。
Hugging Face BlogAI 评分4444 如何用 Strands Agents、LeRobot 和 Hugging Face Storage Buckets 在一处完成录制、训练与部署
Strands Robots 可结合 LeRobot 与 Hugging Face Storage Buckets，在单个智能体内串联机器人演示录制、策略训练和硬件部署。同步仅上传变化的字节，训练直接从 Hub 流式读取数据，无需完整下载，全程保持 LeRobot 数据格式。默认模拟路径使用 mock 策略，可跑通流程，但不产生实用策略。