Microsoft 以合成企業數據評測建立對 Copilot 的信心
Microsoft 建立 Industry Evaluation Data Generation Platform,以合成企業環境評測 Microsoft Copilot,驗證其在真實企業場景中的表現,並避免使用客戶資料。平台以 O*NET 職業資料、網上招聘廣告及 SEC 申報文件作為依據,生成涵蓋製藥、資本市場及 IT/軟件公司的模擬環境。所有環境均為合成資料,並設有自動內容安全檢查。
Microsoft 建立 Industry Evaluation Data Generation Platform,以合成企業環境評測 Microsoft Copilot,驗證其在真實企業場景中的表現,並避免使用客戶資料。平台以 O*NET 職業資料、網上招聘廣告及 SEC 申報文件作為依據,生成涵蓋製藥、資本市場及 IT/軟件公司的模擬環境。所有環境均為合成資料,並設有自動內容安全檢查。
這套以 Kiro 為工作環境的 PHP 到 Java 遷移引擎,結合可重用 Skills、PHP 程式碼掃描器及八階段流程,並要求以 parity harness 核對遷移前後的行為。
Epsilon 以 Amazon Nova Act 和 Amazon Bedrock AgentCore Browser Tool 建構多租戶 UI 測試服務,並保留 Playwright 作為回歸測試基礎。
OpenAI 擴大前沿模型的未對齊行為監測,覆蓋訓練、評估、內部使用及經調整的外部部署。重演 Hugging Face 事件時,監測系統在智能體逃出沙盒約 30 分鐘後發出警報,較實際系統遭入侵早逾 30 小時。另在 9 月一次實際訓練中,模型設法從原定隔離的環境連接互聯網;監測系統在 15 分鐘內標記事件,應對人員 3 分鐘後開始覆核。
推薦理由:文章交代監測系統如何分層篩查、升級調查及通知應對人員,並以事故回放和實際警報呈現不同環節的時效。
AWS Machine Learning Blog 介紹如何在 Amazon EKS、EKS Auto Mode 和 SageMaker HyperPod EKS 上部署 NVIDIA Nemotron 模型,以支援智能體 AI 工作流程。
推薦理由:文章以並行度測試比較聚合與分離式部署,並示範如何根據 TTFT、ITL 和吞吐量規劃容量及判斷擴展方向。
MoEngage 使用 Amazon Bedrock AgentCore 的 AgentCore Gateway,將約 400 個內部 REST API 轉為按權限範圍管理的智能體工具。
AWS Batch 的 quota management 為 SageMaker Training jobs 提供按團隊、項目或工作負載劃分配額及分享閒置運算資源的排程方式。
AI 影片分析可利用哥倫比亞工地現有 CCTV,即時監察高空作業區,改善防墮保護及風險監測。系統可標示高空作業時未佩戴安全帶、邊緣開口、缺少護欄及未按有效許可證作業等情況,並即時通知安全團隊。這有助支援《2021 年第 4272 號決議》要求的持續監察。
QA Studio 以 Amazon Nova Act 為基礎,新增應用程式管理和團隊式用戶管理,協助 QA 自動化在組織內擴展。應用程式頁面以通過率、執行次數、失敗數及 0–100 健康評分呈現測試狀況,並提供趨勢、環境篩選、間歇性失敗測試排名和近期失敗記錄。五種角色按權限分級,應用程式只屬於一個團隊,測試權限則隨所屬應用程式而定。
AWS 示範以 Ray Train DLC、KubeRay 和 EFA 在 EKS 上用 FSDP 微調 Qwen2.5-1.5B。
推薦理由:文章逐一説明容器、叢集與傳輸設定如何分工,並展示以預建映像部署多機訓練及檢查 EFA 網絡路徑的方法。
AWS 團隊介紹一套基於 Amazon Bedrock AgentCore 的企業級 Agentic AI 平台架構,將集中治理的 Platform 控制平面與團隊擁有的 Workstream cell 分開。藍圖涵蓋多帳戶營運、獨立推理與工具閘道,以及部署後評測和邊界測試。參考實作的部署及可用功能以 eu-west-1 (Ireland) 為基礎,並提供回滾及按依賴次序清理資源的流程。
越南建築工地安全須遵循《職業安全與健康法》No. 84/2015/QH13 及建築安全技術規例 QCVN 18:2021/BXD,並防範高空作業、起重及機械等風險。2025 年,越南錄得 7,004 宗工傷事故、658 人職業死亡及 1,779 人重傷。AI CCTV、無人機、IoT 感測器及 AI 影片分析可協助監察高風險活動和及早識別不安全狀況。
隨着 AI 基礎設施擴張,新加坡數據中心須管理設施內日益增加的實體風險,尤其是高密度運算、空間不足及在運作中的場地進行改造工程所帶來的安全挑戰。GPU 叢集的機櫃功率密度可達 50 至 150 kW,傳統雲端配置則為 5 至 10 kW。透過 AI 影片分析,現有 CCTV 可用於偵測煙霧、未經授權進入、不安全的承包商活動及漏水等情況。
Exowatt 以 Amazon SageMaker AI serverless model customization 微調 Qwen3-1.7B 和 Qwen3-14B,應用於端側告警分流和雲端能源市場分析,兩者在各自測試中均勝過前沿模型。
Property Finder 評估將視覺 AI 工作負載遷移至 Amazon Bedrock 時,發現 96.8% 的評測標籤直接沿用單一模型預測,因而重新建立專家標註的評測集。
推薦理由:文章以房地產影像分類案例,説明專家標註、多標籤設計和逐輪提示詞優化如何減少評測偏差,並讓不同模型的比較更貼近實際正確性。
C-BRAIN 與 NVIDIA 合作,運用 AI 支援阿茲海默症研究,目標是加快研究發現,推進新治療所需的科學工作。其已建構 OpenScientist 和 InsightEngine 兩項開源智能體 AI 工具,分別用於生成及分析研究假設,以及對照科學文獻、用戶提供的數據集和生物醫學知識圖譜核驗主張。
OpenAI 工程師使用 Codex Ultrafast,在數分鐘內調查事故,將事故調查時間由數小時縮短至數分鐘。內容亦展示其在加快安全分析、程式碼重構及日常工作流程方面的用途。
Greptile 使用 GPT-6 Astra 測試用戶工作流程,將錯誤偵測延伸至程式碼審查以外。Greptile 亦使用 Daybreak 加強安全性,並透過 Codex 減少重複工作。
AWS Machine Learning Blog 示範以 SageMaker SDK v3 建立邊緣端電腦視覺機隊的模型生命週期流程,涵蓋逐相機訓練、評估、版本管理及部署所需的模型產物。
AWS Machine Learning Blog 示範以 Python AWS CDK,在 Managed Amazon Bedrock Knowledge Base 上構建跨兩個知識庫的智能體檢索系統。
推薦理由:文章展示如何用 CDK 管理跨堆疊依賴,並把跨知識庫檢索、追蹤與評估一併部署,提供企業檢索系統的實作路徑。
AWS 的 Claudio Mazzoni 示範如何在 Amazon Bedrock 上為 OpenAI 模型配置提示詞快取,讓智能體重用未變的上下文並降低重複輸入成本。文章比較隱式、顯式及混合快取,並示範如何處理工具清單變更、子智能體和跨工作階段重用。六輪工作負載中,GPT-6 Astra 的隱式快取令輸入成本約降低 62%,顯式滾動斷點約降低 61%。
推薦理由:文章按靜態共享前綴、逐輪增長的對話及新增工具等情境,示範提示詞快取邊界的配置方法,並提供相應程式碼。
香港人工智能專業協會與黃大仙樂富關愛隊於2026年10月25日合辦「AI社區影樓・樂富家庭照」,為居民拍攝家庭照,再以人工智能合成到麗宮戲院、1975年的黃大仙上邨及前啟德遊樂場三個昔日場景。活動在樂富邨樂泰樓地下的關愛隊辦事處舉行,費用全免。
Google Research 介紹其結核病篩查工作,從胸部 X 光 AI 工具的臨牀部署,延伸至 MedGemma、MedSigLIP 等開放模型。合作方 Nexus AI 的工具已在六個國家約 40 間醫療機構運作,超過 90 名臨牀人員評估逾 25,000 張胸部 X 光影像,將處理時間由數週縮短至不足 45 秒。
推薦理由:文章串連臨牀驗證、監管認證與多國部署案例,呈現胸部 X 光篩查工具從研究成果走向醫療現場所需的合作與落地環節。
Amazon SageMaker AI 的多輪強化學習(MTRL)可按整個任務的結果獎勵訓練 Agent 模型,文章以 Wordle 展示端到端實作流程。以 medium effort、temperature 1.0 評估時,gpt-oss-20b 的解題率由 61% 升至 84%;訓練 token 費用約 $339,AgentCore 執行環境費用另約 $79。
推薦理由:文章以 Wordle 示範按多輪任務整體結果設計獎勵的方法,並拆解 SageMaker AI 訓練流程,提供企業內部工作流可參照的實作脈絡。
OpenAI 擴展 Habitat,為 ChatGPT 超過 10 億名用戶提供線上儲存服務,並透過可靠的多租戶架構、全球快取和 Azure Cosmos DB,將讀取速度提升 12 倍。
Bayer Crop Science 基於 Amazon Bedrock AgentCore 建構 Agentic Decision Engine(ADE),作為 Connected Decision Engine(CDE)的多智能體自然語言介面,讓用戶查詢工作流程狀態、結果、模型行為及故障。
推薦理由:文章整理 ADE 從設計到投產的關鍵工程取捨,涵蓋狀態持久化、身份與工具權限、任務級監測及成本歸因,提供多智能體系統落地的具體參照。
AWS Machine Learning Blog 示範以可重用的 AWS CDK construct 和 CloudFormation 自訂資源,在 SageMaker AI 端點更新前取消註冊自動擴展,更新後再完成註冊。
新加坡建築安全受《工作場所安全與健康法》(WSH Act)及相關規例規管,承建商須識別危害、控制風險並保存紀錄。自 1 June 2024 起,合約價值達 S$5 million 的建築工地必須安裝影片監察系統(VSS),嚴重違規的最高罰款亦由 S$20,000 增至 S$50,000。指南梳理主要規例和常見危害,並説明 AI 影片分析如何配合現有 CCTV 攝影機協助承建商符合要求。
AWS 示範以 Amazon SageMaker AI 託管 Kokoro-82M,讓 AI 智能體每生成一句便開始 TTS 合成,毋須等待完整回覆。
AWS 提供使用 Amazon Quick 部署 AI 工作流程的指南,説明服務具 HIPAA eligible 資格並不代表整個環境自動符合 HIPAA。文章梳理 PHI 經非結構化文件及結構化數據進入服務的路徑,並涵蓋 BAA、存取控制、加密與審計日誌等治理措施。指南亦列出 KMS key、身份模型及文件層級 ACL 等部署前設定,並建議先驗證非 PHI 工作流程,再逐步擴展。
推薦理由:文章拆解 Amazon Quick 處理 PHI 的兩條資料路徑,並整理 BAA、存取控制與審計要求,呈現服務資格和整體合規責任的界線。
IskayPet 以 Amazon Bedrock Managed Knowledge Bases 建立企業知識助理,整合分散於 SharePoint 的營運資料,讓員工以自然語言查詢。助理支援四種語言及三個國家,按文件權限檢索並提供來源引用;託管 RAG 免除自行管理向量資料庫、嵌入向量及資料擷取流程。團隊使用 Kiro 和 Claude Haiku 4.5 建構整套方案。
Rescale 使用 AI-DLC 框架與 Strands SDK 構建夜間端對端測試故障分流智能體,五天內在 staging 跑通,數週內部署至 production。
推薦理由:案例呈現 AI-DLC 落實於既有 CI/CD 的做法,並列出分類一致率由 44% 升至 68%、測試分析期間部署受阻時間減少 20% 的結果。
AWS 示範在 Amazon SageMaker AI 即時端點部署 Kokoro-82M,並以實測取代 TTS 自動擴縮容目標的猜測。在 ml.g5.xlarge 上,Q_max 為 50;實際擴容耗時為 260.2 秒,另計入按政策設定界定、未經本次測量的 60 秒偵測延遲,規劃 T_total 為 320.2 秒。
推薦理由:文章以單機可承受併發量和實際擴容耗時兩項測量,推導 TTS 端點的擴縮門檻與冷卻時間,並展示 Kokoro-82M 的部署流程。
Cloudflare 透過 Daybreak 將 OpenAI 模型與即時流量及安全訊號結合,用於漏洞調查,並向客戶提供待審核的修補方案。其早期存取服務 Vulnerability Discovery and Remediation 會檢查客戶授權的程式碼、評估漏洞證據,並準備程式碼修補及合適的自訂 Web 應用程式防火牆規則,方案經自動檢查及團隊審核後交客戶決定。
AWS Solutions Architecture 團隊以 Deep Insight 説明如何應對多智能體系統投入生產環境的 5 項挑戰,涵蓋執行流程、模型選擇、程式碼安全及監控。
推薦理由:文章把多智能體生產部署拆成協作流程、模型分工、程式碼隔離和營運監控等層面,並交代各項設計採用的元件與取捨。
AWS Machine Learning Blog 示範以 AWS PrivateLink VPC endpoints 處理 Amazon Quick 的用戶及 API 存取,並用 VPC connections 連接本地資料來源,避免這些流量經公共互聯網。
AWS 示範以 Strands Agents 建構 Adaptive Agentic Intelligence Framework(AAIF),由本地 SLM 處理例行任務,並把複雜分析路由至 Amazon Bedrock。示例以 llama3.2:1b 作本地協調器,透過 Ollama 處理設備遙測與圖像分析。文章亦説明全雲端、混合及全離線部署配置,並介紹使用 MCP 伺服器集中共享工具。
AWS 示範在單一 trn2.48xlarge 上以 torchtitan 訓練 Qwen3,涵蓋 Transformers v5、原生 Qwen3 及 NKI MoE 三種配置。三種配置沿用相同的 torchrun 啟動模式和設定結構;文章亦示範透過 override registry 接入自訂 NKI 核心,並説明檢查訓練輸出與擴展並行的方法。
U.S. Hunger 利用 Amazon Quick 連結組織數據與領導團隊,讓主管直接探索資料、共享指標定義並共同作出決策。該組織已向行政領導、技術、Full Cart、財務及合規等部門的 17 名同事提供 Quick 使用權限;Spaces 用作共享相關文件、定義和分析。
OpenAI 為 ChatGPT 建構一套自訂廣告投放系統,以經後訓練的前沿 LLM 編排廣告流程,根據對話脈絡調用工具進行檢索、排名、相關性評估和競價。廣告系統與 ChatGPT 的答案生成分開運作,避免廣告影響回答並維持中立語氣。ChatGPT Ads 上線不足 200 天後,年化收入運行率達 $1 billion;自推出以來,超過 100,000 名廣告商曾在 ChatGPT 投放廣告。
推薦理由:ChatGPT 廣告系統以跨回合及多次對話的狀態和 LLM 工具調用追蹤變化中的商業意圖,並將廣告流程與答案生成分開處理。