跳到正文
目前篩選:一手
10月8日週四
  1. Microsoft Research71

    Agent Lightning v1.0 開源約 3,500 行程式碼的輕量化框架,讓實際部署所用的智能體框架直接參與強化學習

    Microsoft Research Asia 開源 Agent Lightning v1.0,讓實際部署所用的智能體框架直接參與強化學習,無須在訓練框架內重新實作智能體。

    推薦理由:這套方法把部署時使用的智能體框架直接納入強化學習,並處理樣本拆分後的優勢計算與損失正規化問題,呈現可遷移的訓練設計。

  2. AWS Machine Learning Blog54

    超越節省工時:如何為智能體自動化建立商業案例

    AWS Machine Learning Blog 提出智能體自動化商業價值框架,指出評估除了節省工時,還應衡量例外處理、決策質素,以及變更韌性與維護成本。文中的理賠分流示例説明,釋出工時不等於實際節省成本,只有轉化為支出減少或可衡量的再部署成果,才算實現價值。文章並按工作複雜度和決策風險建立優先排序矩陣,用以區分適合 RPA、智能體自動化或需要人手監督的流程。

10月7日週三
  1. AWS Machine Learning Blog62

    Cornerstone OnDemand 如何藉助 Amazon Bedrock 將資料庫診斷時間縮短 78%

    Cornerstone OnDemand 構建多智能體 AI 系統 Orion AI,採用 Amazon Bedrock 和 Strands Agents,將資料庫診斷時間由 45 分鐘降至 10 分鐘,減少 78%。資料庫生命週期操作由 10 多個人工步驟縮至一次互動,冗餘告警中位數減少 65%。文章亦介紹其按領域劃分智能體、以關鍵字優先並以語義搜尋作後備的路由設計。

    推薦理由:案例量化呈現診斷、流程及告警改善,並拆解領域分工與混合路由等設計,為資料庫營運團隊提供可參考的多智能體實作脈絡。

  2. AWS Machine Learning Blog57

    AWS 分享培養 AI 建構者、縮小知識與實作能力差距的實踐指南

    AWS 團隊分享一套為期六週的培訓計劃,協助沒有工程背景、日常接觸 AI 的商業專業人士建立 AI 智能體實作能力。參加者每週投入約四小時,在導師支援下使用 AWS 工具製作可展示的原型;四名面向客戶的專業人士打造多智能體理財工具 WealthWise,並在展示中獲得第一名。

  3. Microsoft Research51

    Jennifer Neville 談 AI 出錯之處與失敗帶來的啟示

    Jennifer Neville 在 Microsoft Research Podcast 討論 AI 評測如何揭示模型在多輪對話及長流程中的失誤,以及這些發現如何指引系統改進。她指出,模型在單輪基準測試中表現良好,轉到多輪互動時表現可能明顯退化,長流程中未及時發現的錯誤亦會累積。她建議用戶核對答案、嘗試改寫提問,並在出錯時説明預期與實際結果;研究者則應檢視數據,並以貼近實際工作流程的方式評測。

  4. Mistral AI75

    Mistral AI 推出 Mistral Large 4 公開預覽版,權重預計月底釋出

    Mistral AI 推出 Mistral Large 4 公開預覽版,權重預計月底釋出。模型具原生多模態能力,總參數量為 1 trillion、活躍參數量為 49 billion,並可透過 Mistral Studio API 試用。在 Artificial Analysis Cyber Index 名列全球前五,漏洞重現及修補測試得分 82%,Cybench 則解決 93% 的挑戰。

    推薦理由:文章以 Cyber Index、漏洞重現與修補測試及 Cybench 結果,呈現 Mistral Large 4 在網絡安全基準中的相對表現。

10月6日週二
  1. AWS Machine Learning Blog55

    Amazon SageMaker AI 推出 aws-ai-ml 技能,為編碼智能體提供生成式 AI 推理最佳化能力

    Amazon SageMaker AI 推出 aws-ai-ml 技能,讓支援 MCP 的編碼智能體協助最佳化生成式 AI 推理。它可測試現有端點、推薦部署配置、比較基準測試結果,並生成可檢視及執行的 SageMaker Python SDK v3 程式碼;測試報告提供實際基礎設施負載下的吞吐量、延遲和並行數據。

  2. AWS Machine Learning Blog55

    Amazon Bedrock AgentCore Evaluations 教學:評估多智能體系統的可解釋性與有用性

    AWS 示範如何透過 Amazon Bedrock AgentCore Evaluations,衡量多智能體系統的有用性、任務成功率、業務準確性與可解釋性。文章以虛構零售商 AnyCompany Retail 的供應鏈決策方案為例,逐層結合內置評估器、自訂業務規則及六項可解釋性評估。框架支援開發階段的按需評估及生產環境的線上持續監察,並分開衡量業務準確性與解釋透明度。

  3. 香港人工智能專業協會67

    NVIDIA 推出智能體安全平台,結合軟件邊界與硬件監察

    NVIDIA 推出 Open Agent Safety Platform,以軟件執行邊界及獨立硬件監察管理智能體運行。平台由開源軟件 OpenShell 和 Sentry 參考系統設計組成;OpenShell 記錄操作並執行權限政策,Sentry 在 BlueField-4 DPU 上持續監察智能體活動。NVIDIA 表示,智能體試圖越過軟件邊界時,系統可在毫秒級內隔離並停止相關智能體。

    推薦理由:OpenShell 與 Sentry 分別負責軟件執行邊界及硬件監察,並交代 OpenShell 已可使用和可擴展至 Arm、Intel 等平台。

10月5日週一
  1. 中大新聞中心 · AI 研究及應用27

    香港中文大學峯會探討 AI 與智慧物流如何推動全球業務拓展

    香港中文大學亞洲供應鏈及物流研究所舉辦 2026 全球供應鏈及物流峯會,探討 AI 強化供應鏈韌性及企業國際拓展。與會者指出,AI 智能體可推動物流由人手調度轉向更自主決策,並支援市場研究、合規管理和供應鏈協調。港口社區系統(PCS)整合物流、貿易及金融資訊,提升供應鏈可視度和營運效率,支援跨境貿易及貿易融資服務。

10月2日週五
  1. AWS Machine Learning Blog69

    使用 Amazon Quick 與 Adjudicated Query 模式,對數萬份租約進行合規掃描

    AWS 介紹並部署 Adjudicated Query 模式,讓 Amazon Quick 的自然語言合規查詢透過固定 MCP 操作交由確定性規則引擎判定,而非由模型作出決策。

    推薦理由:文章把自然語言查詢與合規判定分開,並以完整性收據和逐筆證據鏈展示如何核對大量檢查結果。

  2. GitHub Blog · AI & ML35

    AI 正改變開發者的工作方式:三項值得加強的技能

    AI 正改變開發者的工作方式,開發者應加強引導 AI、審核 AI 輸出,以及利用節省的實作時間解決更大型問題。隨着 AI 智能體承擔更多實作,開發者仍須界定問題、檢視生成程式碼、權衡取捨並作出技術決策。GitHub Copilot 內置的 Rubber Duck agent 會使用第二個模型,在推進前檢視計劃、程式碼和測試。

  3. AWS Machine Learning Blog66

    如何用 Amazon Bedrock AgentCore 構建環境式智能體,串聯事件觸發與人在迴路工作流

    Amazon Bedrock AgentCore 的參考實作把 Amazon S3 上傳或排程事件轉成智能體工作,並讓智能體在需要澄清、審批或覆核時暫停等待人員回應。

    推薦理由:文章把事件來源、AgentCore 執行與人在迴路處理串成參考架構,並清楚區分樣本內建能力與需自行擴展的訊號來源。

10月1日週四
  1. Google DeepMind77

    Google DeepMind 發佈 Gemini 4 Argon,面向複雜長流程任務

    Google DeepMind 發佈前沿模型 Gemini 4 Argon,面向軟件工程、企業知識工作及網絡安全等複雜長流程任務。其輸出 token 上限由 64K 提至 1M,在 DeepSWE v1.1 得分 77.9%,並在 LVBench 得分 91.7%。

    推薦理由:Gemini 4 Argon 將輸出上限由 64K 提至 1M tokens,文章把這項擴容與處理更長、更複雜工作流程的能力相連。

  2. Runway:News(網頁)65

    Runway 推出 Runway Ads,自動化付費廣告素材生成與優化

    Runway 宣佈推出 Runway Ads,這款新產品可端到端處理付費廣告素材的生成、發布和優化。連接廣告帳戶和品牌套件後,Runway Ads 會生成影片及圖片廣告,把經批准的版本發布至 Meta、Google 和 TikTok,再根據平台成效生成下一輪;人手審批預設開啟,並支援素材本地化和尺寸調整。

9月30日週三
  1. NVIDIA Blog65

    NVIDIA 與 CoreWeave 打通智能體 AI 從訓練到生產的閉環

    CoreWeave 宣佈在 CoreWeave Cloud 提供 NVIDIA Vera Rubin NVL72,並推出 CoreWeave Forge,推進智能體 AI 從訓練到生產的部署。

    推薦理由:文章披露 Cognition 對 Vera Rubin NVL72 與 GB200 NVL72 的 SWE-2 推理測試,列出最高 4.8x 的總 token 吞吐提升,讓兩種平台在智能體編碼工作負載下可作量化比較。

  2. AWS Machine Learning Blog67

    GPT-6.1 Sol 在 Amazon Bedrock 正式開放使用,面向智能體編碼與專業工作負載

    GPT-6.1 Sol 已在 Amazon Bedrock 正式開放使用,面向智能體編碼、電腦操作及專業工作負載。OpenAI 表示,GPT-6.1 Sol 在 DeepSWE v1.1 上匹配 GPT-6 Astra,單項任務成本約為 GPT-6 Astra 的五分之一;其分數亦比 GPT-6 Sol 的最佳結果高 6.4 個百分點,且所用推理力度較低。

    推薦理由:文章列出 GPT-6.1 Sol 在 DeepSWE v1.1 上與 GPT-6 Astra 的任務成本對照,並比較其對 GPT-6 Sol 的分數提升。

  3. AWS Machine Learning Blog51

    Amazon Quick 提示詞工程基礎:通用原則與結構化框架

    AWS 介紹 Amazon Quick 的提示詞工程基礎,整理適用於不同功能的通用原則與可複用框架。文章涵蓋明確具體、提供業務背景、以示例指定輸出,以及 CRISPE、RADAR、ARCHITECT 和 QUEST 等框架,並介紹中繼資料檢索、多角度分析與情境規劃。文中以 RFI 問卷自動化示範 Quick Flow 如何把多工作表資料整理為四欄 CSV,並稱可將原需數小時的處理縮至數分鐘。

9月29日週二
9月28日週一
  1. Hugging Face Blog70

    Holo4 發佈通用電腦操作智能體模型系列

    H Company 發佈 Holo4 通用電腦操作智能體模型系列,提供 27B dense 與 35B-A3B Mixture of Experts,並推出更新版 Holotron4 Nano。

    推薦理由:文章提供 Holo4 在 OSWorld 2.0 的規格分數、Opus 5.5 對照和成本估算口徑,並指出各模型的測試框架與任務子集不盡相同,便於理解比較條件。

  2. viAct · 視覺 AI 及工地安全39

    Capterra 新報告揭示建築管理中的 AI 現況

    Capterra 新報告調查 10 家建築管理軟件供應商,揭示 AI 在建築管理的採用情況及其對項目成效的衡量方式。投標管理、施工前工作及現場進度追蹤的採用率最高,各有 4 家供應商使用;付款、帳單及現金流預測則只有 1 家。8 家供應商由人手批准付款申請,另有 5 家完全不衡量項目成果。

  3. Hugging Face Blog55

    Hugging Face Hub 新增 RL Environments 篩選入口

    Hugging Face Hub 新增 RL Environments 篩選入口,集中展示帶有 rl-environment 標籤的資料集。資料集可標示 Harbor、Verifiers、OpenEnv、NeMo Gym 的兼容性,並在頁面提供相應的執行命令。標籤只描述兼容性,不會把檔案轉換成其他框架格式,也不會啟動 job 或 sandbox。

9月26日週六
  1. GitHub Blog · AI & ML66

    GitHub Copilot app 初學者指南:如何用 canvases 建立自訂工作流程

    GitHub Copilot app 的 canvases 可按用户描述生成自訂介面,讓用户與智能體在共享畫布中同步查看和更新工作內容。用户在 Agent 工作階段輸入 /create-canvas,描述所需工作流程、介面操作和智能體可執行的事項,毋須手動編寫程式或設計。畫布建立後會保存為擴展,可留在專案中供團隊共用,也可保存為個人擴展重用。

    推薦理由:文章從描述工作流程、介面操作與智能體職責開始,示範如何建立、反覆調整並保存可重用的畫布擴展,呈現把日常流程轉成協作介面的具體步驟。

9月25日週五
  1. Google Research51

    Google Research 介紹長篇連貫影片生成研究與四套框架

    Google Research 介紹 Co-Director、CANVAS、A²RD 和 VQQA 四套框架,聚焦長篇影片生成的多鏡頭敍事連貫性。它們分別涵蓋創意編排、視覺分鏡記憶、長時序分段生成及閉環提示詞優化,並以專項基準評估。AI video co-director 在 GenAD-Bench 取得 81.4 的峯值質量分數;各框架在相應測試中改善了敍事連貫性、角色持續性或影片品質。