跳到正文
  1. AWS Machine Learning Blog69

    AWS 介绍通过 Trust in Depth 管理 AI 智能体自主性

    AWS 提出 Trust in Depth 分层方法,用范围界定、身份识别、边界控制和运行观测提高 AI 智能体的可控性。文章以帮助台智能体处理员工离职为例,介绍 Policy in AgentCore、AgentCore Gateway、Strands Box 和 Amazon CloudWatch Omni 如何执行权限、身份、策略与追踪控制。

    推荐理由:文章以生命周期为线索拆解智能体的范围、身份、边界和观测层,并结合 AWS 产品说明如何落实这些控制。

  1. AWS Machine Learning Blog71

    Anchor Browser 如何接入 Amazon Bedrock AgentCore payments 实现 x402 自动支付

    Anchor Browser 已与 Amazon Bedrock AgentCore payments 集成,可让 AI 智能体通过 x402 协议自主购买网页内容和 API 服务。

    推荐理由:文章拆解了托管支付层的接入流程及安全边界,为现有浏览器智能体增加自主付费能力提供可迁移实现。

  1. NVIDIA Blog78

    NVIDIA RTX Spark 笔记本将上线并完善本地 AI 软件生态

    NVIDIA 与合作伙伴将在 RTX Spark 笔记本上市前推出本地 AI 智能体、模型、创作应用和开发者工具更新,相关笔记本计划于 10 月 16 日上市。文章还介绍 Nemotron 3.5 Bolt 74B、开源路由器 NVIDIA PAIR、Adobe 应用优化、Broadcast 2.3、llama.cpp Windows 应用及 DLSS 5 等更新。

    推荐理由:文章集中梳理 RTX Spark 发布前的软件生态、模型、创作工具、开发者环境和游戏支持,能帮助读者判断本地 AI 工作流的实际覆盖范围。

  1. Microsoft Research63

    Microsoft Research 发布面向生物学的多模态研究系统 Quine

    Microsoft Research 发布 Quine,一套面向生物学研究的多模态世界模型与交互式科研流程系统。Quine 可连接模型、科学工具、文献、湿实验和科研人员,用于生成、排序并验证候选研究路径;研究团队用它预测数千种可能推动胰腺癌细胞状态转变的化合物,并在多个湿实验测定中验证了部分高排名候选。Quine 目前仅限研究用途,首批访问通过 Quine Fellows 计划及选定研究合作开放。

    推荐理由:文章介绍 Quine 如何连接多模态生物学世界模型、科研工具与实验流程,并展示其在胰腺癌细胞状态研究中的候选化合物排序与湿实验验证。

  1. GitHub Blog · AI & ML74

    GitHub Copilot 应用初学者教程:用 canvases 构建自定义工作流

    GitHub Copilot 应用可通过 `/create-canvas` 技能用自然语言创建与智能体共享的自定义界面,无需手动编写代码或设计文件。生成的 canvas 可保存为 extension,团队可共享或个人复用,并能持续添加列、筛选器和清单等控件。用户和智能体共享同一状态,可通过按钮、字段和卡片实时更新内容,也可让智能体调用 canvas 的操作能力完成修改。

    推荐理由:教程通过 `/create-canvas` 演示如何用自然语言创建并持续调整可复用的自定义工作流,同时说明用户与智能体如何实时协作。

  1. GitHub Blog · AI & ML69

    GitHub Copilot:聊天框之外,canvas 如何改变与智能体交互

    GitHub Copilot 作者 Burke Holland 认为,聊天框并非适合所有任务的智能体交互界面,定制化 canvas 能更好地支持任务型 AI 工作流。

    推荐理由:文章以游戏、Winget、SQLite 和开发工作流为例,说明定制化 canvas 可让智能体围绕具体任务提供更合适的交互界面。

  2. GitHub Blog · AI & ML77

    GitHub Security Lab Taskflow Agent 实践 AI 驱动的 C/C++ 模糊测试

    GitHub Security Lab Taskflow Agent 可针对 GitHub 仓库自动执行 C/C++ 模糊测试,包括分析构建系统、生成 harness、运行 AFL++、改进覆盖率、分析崩溃并编写漏洞报告。

    推荐理由:文章完整拆解了自主模糊测试流水线的运行方式、架构与安全边界,可供 C/C++ 项目评估和复用。

已经到底了