跳到正文
目前篩選:一手
10月22日週四
  1. Hugging Face Blog71

    NVIDIA 推出 Kumo Relational,無需任務專屬訓練即可預測關聯數據

    NVIDIA 推出預訓練關聯數據基礎模型 Kumo Relational,可直接在企業數據庫上預測,並以最多 10,000 個歷史樣本作上下文,無需任務專屬訓練。

    推薦理由:文章比較 Kumo Relational 與監督式模型及 AutoGluon,並交代評測範圍和樣本限制,呈現其在關聯數據預測中的適用邊界。

  2. OpenAI News75

    OpenAI 如何構建兼顧用戶信任與相關性的 ChatGPT 新型廣告技術架構

    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。

  3. OpenAI News62

    OpenAI、PerturbAI 與 Scripps Research 用數千個 AI 智能體從腦細胞數據中發掘研究線索

    OpenAI、PerturbAI 與 Scripps Research 使用由 GPT‑Rosalind 驅動的數千個 AI 智能體,在 32 分鐘內分析數百萬個小鼠腦細胞的既有實驗數據,找出可供後續研究的生物學線索。

    推薦理由:以小鼠腦細胞數據展示分佈式智能體如何串連基因擾動結果與科學文獻,並以單一智能體和盲評比較其分析廣度。

  4. OpenAI News60

    OpenAI 模型將進入 Google Cloud Model Garden

    OpenAI 與 Google Cloud 合作,將 OpenAI 前沿模型及 Codex 智能體工作流程帶入 Google Cloud 的 Model Garden。

    推薦理由:這項合作把 OpenAI 模型帶入企業既有的 Google Cloud 環境,並交代受規管行業所需的存取控制、數據治理與採購安排。

  5. Microsoft Research89

    Microsoft Research 研究人員證明 Kannan–Lovász–Simonovits(KLS)猜想,解決 31 年數學難題

    Microsoft Research 研究人員 Xinzhi Zhang 與合作者證明 KLS 猜想,解決了提出 31 年的高維幾何核心難題。研究團隊以人類主導的 AI 智能體流程探索逾 100 條候選路徑,再透過遞歸精化及控制累積誤差完成證明。另有獨立團隊提出證明,相關結果其後亦有 Lean 4 形式化驗證。

    推薦理由:研究呈現研究者如何透過多輪篩選引導 AI 探索證明方向,並以遞歸精化和有界累積誤差完成 KLS 猜想的維度無關證明。

10月21日週三
  1. Mistral AI50

    Mistral 與 NVIDIA 推進工程領域的 AI

    Mistral 與 NVIDIA 合作開發新一代 AI 原生工程工作流程,結合 Mistral 模型、物理建模流程與 NVIDIA 加速運算,以加快工程模擬並連接模擬、模型開發和工程設計。雙方將推出公開基準測試及開放數據集,評估物理模型和 CAE、EDA 的智能體,並驗證自動化 CAD-to-simulation 工作流程。

  2. Hugging Face Blog62

    NVIDIA 擴展 Nemotron Retriever 系列,推出 Nemotron 3.5 Embed、Nemotron 3.5 Rerank 及 Nemotron 3.5 Parse

    NVIDIA 擴展 Nemotron Retriever 系列,推出可商用的開放模型 Nemotron 3.5 Embed、Nemotron 3.5 Rerank 及 Nemotron 3.5 Parse,涵蓋多模態檢索、重排及文件抽取。

    推薦理由:這次更新把多模態嵌入、重排與文件解析納入同一檢索系列,並列出多項基準與吞吐數據,呈現準確度和部署效率的取捨。

  3. OpenAI News65

    OpenAI 收購藥物研發平台 Orchestra Bio

    OpenAI 已收購 Orchestra Bio,這個平台協助生物製藥團隊協調複雜的藥物研發流程。OpenAI 將 Orchestra Bio 的團隊與技術和 Rosalind(其生命科學研究模型及工具)結合,目標是建立連接科學發現、研究、決策與後續工作的智能體。Orchestra Bio 的智能體可協助團隊追蹤研究項目,整理受影響的活動與時間安排,並比較應對方案。

    推薦理由:Orchestra Bio 聚焦藥物研發項目的協調工作,與 Rosalind 結合後,OpenAI 計劃建立連接科學發現、研究安排與後續決策的智能體。

  4. AWS Machine Learning Blog62

    Octave 如何在 Amazon Bedrock 上打造安全的多租戶 AI 基礎平台

    Octave 為 Reliance 在 Amazon Bedrock 上建立三層多租戶 AI 基礎平台,以支援受監管產業的文件搜尋與 AI 工作流程。平台採用 Cohere Embed v4,並以每租戶向量儲存、AgentCore 隔離執行環境及 Amazon Bedrock Guardrails 分層控制資料存取與內容風險。

    推薦理由:文章拆解多租戶合規場景中的隔離、身份與內容安全取捨,並呈現如何把共用基礎設施轉化為可重用的 AI 功能底座。

  5. AWS Machine Learning Blog66

    AWS Agent Registry 如何在執行時探索工具

    AWS 的示例展示如何透過 AWS Agent Registry,在執行時搜尋已核准的 MCP 伺服器、智能體及技能,並按結果建立本次請求所需的用戶端。示例以訂單狀態、價格折扣及退貨退款三種情境,展示 MCP 單獨呼叫、MCP 與 A2A 串接,以及語義搜尋。搜尋結果只提供連線描述資料,不含呼叫憑證;記錄須經核准才會透過可搜尋資料平面提供,各項能力所需的呼叫憑證須另行處理。

    推薦理由:文章以 MCP 與 A2A 的訂單管理示例拆解執行時探索流程,並説明搜尋描述資料、核准治理與能力呼叫憑證之間的責任邊界。

  6. GitHub Blog · AI & ML62

    3 位 Java Champion 如何運用 GitHub Copilot 提升生產力

    三位 Java Champion 分享在生產環境及開源項目中運用 GitHub Copilot 的做法,並提出提升開發效率與確保程式可靠性的實踐。其中一人以 Copilot 將 15 份簡報、約 900 張投影片由 Reveal.js 遷移至 Marp,約用 8 至 10 小時,並透過截圖、動畫及 PDF 比對驗證。

    推薦理由:三位 Java Champion 的實例涵蓋功能開發、遷移和除錯,呈現需求釐清、驗證證據與人工審核如何支撐 AI 輔助開發。

  7. Hugging Face Blog67

    ALTK-Evolve 如何以學習式記憶讓客服智能體登上 τ²-bench 零售榜首,無需前沿模型

    ALTK-Evolve 從智能體訓練任務中自動提煉行為指引並加入提示詞,令使用 gpt-4.1 的客服智能體在不更新模型權重下,於 τ²-bench 零售任務取得 67.5% Pass^4。

    推薦理由:文章比較不同指引規模、零售與航空任務,以及 gpt-4.1、gpt-5.5 的結果,具體呈現提示詞記憶對智能體準確度、可靠性和成本的不同影響。

  8. AWS Machine Learning Blog56

    AWS 與 Keyfactor 示範以 X.509 PKI 保護 AI 智能體身份

    AWS 與 Keyfactor 展示一套結合 X.509 PKI、Keyfactor EJBCA 及 AWS 服務的參考架構,為多智能體系統建立身份驗證與授權鏈。架構採用已簽署請求封套、用戶簽署的委派聲明、RFC 8693 受眾限定存取權杖,以及即時 OCSP 撤銷檢查。文章逐步説明用戶登入、智能體間呼叫、MCP 工具伺服器驗證及登出撤銷流程,並指出此模式可應用於其他兼容 MCP 的工具伺服器。

  9. Mistral AI70

    Mistral 推出 Voxtral 3 語音模型及智能體 SDK

    Mistral 推出 Voxtral 3,包含語音轉文字與文字轉語音模型,以及把聆聽、推理、工具調用和語音輸出整合為即時串流流程的語音智能體 SDK。語音轉錄支援 50+ 種語言,語音合成支援 35+ 種語言及 50+ 種方言;SDK 可在通話中調用工具並執行多步驟任務。Voxtral 3 現可透過 Mistral API 使用,亦可部署於自有基礎設施。

    推薦理由:Voxtral 3 把聆聽、推理、工具調用與語音輸出串成即時流程,並提供 Mistral API 和自部署選項,呈現語音智能體的整合與部署方式。

10月20日週二
  1. GitHub Blog · AI & ML62

    GitHub Copilot app 工作階段如何在 VS Code 延續

    GitHub Copilot app 的工作階段可直接在 VS Code 開啟,並保留原有對話、程式碼變更及工作脈絡,讓用戶在同一工作樹繼續工作。用戶可在 VS Code 逐行檢視差異、手動修改及本機測試,完成後把變更推送至該工作階段關聯的 pull request。

    推薦理由:文章示範如何把 Copilot app 工作階段及其工作脈絡帶入 VS Code,讓智能體產生的修改可在原有工作樹中接續檢視、測試及推送。

10月17日週六
  1. AWS Machine Learning Blog68

    AWS 以 Amazon Bedrock AgentCore 建立可用於正式環境的 AI 智能體評估框架

    AWS Sales, Marketing, and Global Services(SMGS)團隊以 Amazon Bedrock AgentCore Evaluations 建立九階段評估框架,涵蓋 AI 智能體由開發到正式環境運作的完整生命週期。

    推薦理由:文章把工具、單一智能體與多智能體協作納入九階段評估流程,並展示如何透過回歸門檻、線上監測及追蹤資料定位品質退化。

  2. Google Research68

    Google Research 探索以 AI 智能體構建自主濕實驗室的研究基礎

    Google Research 分享三項研究,探索以 AI 智能體連接計算設計與濕實驗室實驗,涵蓋 VERID 實驗室數碼孿生、適配體閉環設計及從頭設計蛋白質結合體。適配體設計經三輪迭代後,兩個蛋白質靶標的確認命中率分別達 33.5% 和 42.1%;蛋白質結合體流程以局部結合口袋裁切,將每輪計算加速逾八倍,並取得個位數納摩爾親和力。研究流程包括模擬驗證、序列生物安全篩查及人工授權與監督。

    推薦理由:文章串連實驗室數碼孿生、適配體閉環測試與蛋白質結合體設計,呈現 AI 智能體如何依據實驗回饋修正設計,並連接計算探索與實驗驗證。

10月16日週五
  1. OpenAI News42

    Sullivan & Cromwell 將法律專業知識融入協議審閲

    Sullivan & Cromwell 與 OpenAI 合作開發 Agreement Analyzer,將律師事務所的法律專業知識融入草擬協議審閲。工具結合事務所先例、談判手冊及 ChatGPT Enterprise,經多輪審閲後提供分析備忘錄和建議修訂,供律師檢視及調整。輸出亦列明經質疑後成立、已駁回及附保留的未核實問題。

  2. Hugging Face Blog81

    Meta 發佈開放權重多模態混合專家模型 Muse Spark Open

    Meta 推出 Muse Spark Open,一款約 816B 參數、每個 token 約啟用 42B 參數的開放權重多模態混合專家模型,支援文字、圖像、音訊和影片輸入,並生成文字。模型的上下文窗口最高為 1M tokens。文章列出 Transformers、llama.cpp、SGLang 和 vLLM 等推理部署方式,以及使用 TRL 進行 LoRA 微調的示例。

    推薦理由:文章把模型規模、長上下文與多模態輸入能力,連同多種部署和微調方案放在同一份技術指南中,可用來瞭解模型的運行配置與使用方式。

10月15日週四
  1. AWS Machine Learning Blog52

    AWS以 Trust in Depth 框架提升智能體自主性並保留控制

    AWS將一套分層治理方法稱為 Trust in Depth,主張以可驗證規則支撐智能體在保留控制下承擔更多自主工作。框架分為 Scope、Know、Bound、Observe 四個環節,並以自動推理檢查可精確表述的規則;需要情境判斷的部分則交由人處理。以員工離職流程為例,Amazon Bedrock AgentCore 會阻止未先封鎖登入或查核法律保留的操作,並記錄每一步。