Ai2 用 GPU 时间预算改造集群调度器的实践
Ai2 AI Infrastructure 团队用 GPU 时间预算、层级公平份额分配和时间片合约取代了原有的优先级调度器，把 GPU 时间分配从逐案谈判变成透明的预算流程。
推荐理由：原文完整拆解了从优先级调度到预算制调度的迁移过程与量化结果，可迁移性强。
#部署/工程
#部署/工程
Hugging Face Blog精选AI 评分
AWS Machine Learning BlogAI 评分用 Amazon SageMaker HyperPod 实现多团队共享 GPU 集群的隔离与公平
AWS 提出一套基于 Amazon SageMaker HyperPod 与 EKS 的多租户参考架构，让多个团队共享同一 GPU 集群并保持隔离与资源公平。
- AWS Machine Learning BlogAI 评分
用 Amazon Quick 和 Amazon Bedrock Knowledge Bases 重新思考 RAG 访问控制
Amazon Quick 和 Amazon Bedrock Knowledge Bases 通过两阶段实时 ACL 校验解决 RAG 权限难题：先用索引内缓存 ACL 做预检索过滤，再在查询时调用 Google Drive 等权威源 API 实时核验候选文档，仅将已授权内容传给 LLM。
- AWS Machine Learning BlogAI 评分
AWS 教程：用 Lambda Durable Functions 打通 DevOps Agent 调查后的自动修复
AWS 官方博客介绍如何用 AWS Lambda Durable Functions、Amazon EventBridge 和 Amazon Bedrock 搭建自动修复工作流，衔接 AWS DevOps Agent 的调查结果完成修复步骤。
- AWS Machine Learning BlogAI 评分
Qlik 如何基于 Amazon Bedrock 构建企业级可溯源 AI
Qlik 基于 Amazon Bedrock 构建的 Qlik Answers 自 2026 年 2 月 GA 以来已服务其 40,000 多家客户，其 Discovery Agent 累计为用户发现超过 100,000 项异常与洞察。
- AWS Machine Learning BlogAI 评分
AWS：超越省时口径，为智能体自动化构建完整商业论证
AWS Machine Learning Blog 发布文章，提出 Agentic Value Model，指出传统 RPA 时代按省时数乘人工成本的 ROI 模型无法覆盖智能体自动化创造的价值。
- AWS Machine Learning BlogAI 评分
Cornerstone OnDemand 用 Amazon Bedrock 多智能体系统将数据库诊断缩短 78%
Cornerstone OnDemand 基于 Amazon Bedrock 和开源框架 Strands Agents 构建多智能体系统 Orion AI，将数据库诊断时间从 45 分钟降至 10 分钟，缩短 78%，数据库生命周期操作从 10 多步降为 1 次交互，SRE 与数据团队的 15 分钟汇报延迟变为实时，冗余告警中位数减少 65%。
- AWS Machine Learning BlogAI 评分
在 Amazon Bedrock AgentCore 和 OpenClaw 上构建带记忆的 AI 助手教程
AWS 官方博客介绍如何用 OpenClaw 开源智能体系统在 AgentCore runtime 上构建具备持久记忆的个人助手 Sprout，整套系统由单个 CloudFormation 模板一键部署。
- AWS Machine Learning BlogAI 评分
用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行礼宾服务
AWS 展示了如何用 Amazon Bedrock AgentCore、Amazon Bedrock Knowledge Bases 和 Amazon Nova Sonic 为航司应用构建语音旅行礼宾服务，支持用户通过语音查询行程、改选座位、更新餐食偏好与回答政策问题。
- AWS Machine Learning BlogAI 评分
从 SageMaker Studio 直接管理 Amazon SageMaker HyperPod Spaces
Amazon SageMaker 现已支持在 SageMaker Studio UI 中直接创建和管理 Amazon SageMaker HyperPod EKS 集群上的 Spaces，无需命令行工具即可启动 JupyterLab 和 Code Editor 环境。
- AWS Machine Learning BlogAI 评分
Amazon SageMaker HyperPod 管理与治理最佳实践
AWS 介绍了通过 SageMaker Unified Studio 管理 SageMaker HyperPod 集群并保留治理控制的最佳实践，覆盖组织、项目、集群、工作负载四层控制。
NVIDIA BlogAI 评分
电信运营商为何将 AI 战略建立在开放模型之上
NVIDIA 最新《State of AI in Telecommunications》报告显示，89% 的电信运营商受访者认为开源模型和软件对其公司 AI 战略很重要。
- AWS Machine Learning BlogAI 评分
Amazon SageMaker AI 推出 aws-ai-ml 智能体技能，让编码智能体做推理优化
Amazon SageMaker AI 优化生成式 AI 推理推出 aws-ai-ml skill，通过 Agent Toolkit for AWS 提供给 Kiro、Claude Code、Codex 等编码智能体，也可用于任何支持 MCP 的智能体。
- AWS Machine Learning BlogAI 评分
用 Amazon Bedrock AgentCore Evaluations 评估多智能体系统的可解释性与有用性
AWS 介绍如何用 Amazon Bedrock AgentCore Evaluations 评估多智能体系统的可解释性与有用性，该能力同时支持内置评估器（helpfulness、task success、instruction following）和自定义评估器，可校验约束满足、路线可行性、SQL 正确性、库存 grounding 与解释质量。
- AWS Machine Learning BlogAI 评分
Amazon Quick 用户角色降级指南：手动删除重建与 AWS CLI 两种方法
Amazon Quick 控制台不支持从 Admin 或 Author 直接降级到 Reader，update-user API 同样会拒绝并报错，文章给出手动删除重建与 AWS CLI 两种解决方案。
- AWS Machine Learning BlogAI 评分
Amazon Quick 跨账号资源自动迁移：基于 MCP 的可审计方案
AWS 推出 Quick Resource Migrator，一个托管在 Amazon Bedrock AgentCore 上的 MCP server，可在单次工具调用中将 Amazon Quick 的 chat agents、action connectors、knowledge bases、flows 和 spaces 自动迁移到生产 AWS 账号。
- AWS Machine Learning BlogAI 评分
uniopen 如何用 Amazon Nova 2 Lite 定制零售审核策略并部署生产
uniopen 通过 Amazon SageMaker AI 对 Amazon Nova 2 Lite 做监督微调，并叠加提示词级输出优化，使其适配自身零售审核策略。
- AWS Machine Learning BlogAI 评分
如何在 AWS 上为 Claude Platform 实现多环境访问
面向 Claude Platform on AWS（CPonAWS），文章给出在专用 AI Services 账户中部署订阅、并用三种方式接入推理的完整步骤：AWS 工作负载账户通过跨账户 SigV4 免密钥调用，开发者笔记本使用绑定开发工作区的 API key，外部环境通过 OIDC 联合获取短期凭证。
OpenAI NewsAI 评分 GPT-6 系列模型选型指南
OpenAI 发布 GPT-6 系列模型指南，面向初创公司讲解如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具调用，并为生产环境准备工作流。
- AWS Machine Learning BlogAI 评分
用 Amazon Quick 与 Adjudicated Query 模式批量审查数千份租约合规性
AWS 提出 Adjudicated Query 设计模式，让业务用户在 Amazon Quick 聊天界面提问合规问题，实际判定交由确定性规则引擎完成，模型只负责把自然语言翻译成固定类型操作并叙述结果。
- AWS Machine Learning BlogAI 评分
用 Amazon Bedrock AgentCore 为 Claude Desktop 添加安全 Web Search
通过 Amazon Bedrock AgentCore Gateway，可将 Claude Desktop 接入由 Amazon 网页索引支持的 Web Search，覆盖数百亿文档，查询流量全程留在 AWS 内，无需外部 API key。
- AWS Machine Learning BlogAI 评分
在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体
在 Amazon SageMaker AI 上可用多轮强化学习（MTRL）微调搜索智能体，官方示例以 Qwen3.6-27B 为基础模型，在 us-west-2 区域训练，智能体配备 BM25 词法搜索与向量搜索两个工具。
NVIDIA DGX Spark 推出 64GB 版本，10 月 23 日开售 4999 美元起
NVIDIA 将于本月通过 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 推出 64GB 统一内存版 DGX Spark，10 月 23 日开售，起售价 4999 美元，保留 GB10 Grace Blackwell 超级芯片、DGX OS 与完整 NVIDIA AI 软件栈，支持最高 1000 亿参数模型在设备本地运行。
推荐理由：原文给出 64GB 新配置的价格、可跑模型规模与双机集群方式，便于判断本地跑智能体的硬件门槛。
ServiceNow CoreAI 的 AutoSynthData 如何为企业智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败与更强教师的成功来定位能力缺口，并生成、验证新的可执行训练任务，课程随模型进步向仍难的任务迁移。该方法以 EnterpriseOps Gym 数据集演示，任务由系统规范、用户提示词和验证器三部分组成，需满足可行性、真实性与难度要求。
NVIDIA GPU 加速 OpenAI GPT-6 Astra Ultrafast 上线
OpenAI 的 GPT-6 Astra Ultrafast 已在 NVIDIA Blackwell GPU 上运行，并面向 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：OpenAI 在 NVIDIA Blackwell 上推出 Astra Ultrafast 模式，读者可了解其相对标准模式的提速幅度与开放入口。
- AWS Machine Learning BlogAI 评分
在 Amazon Bedrock AgentCore 上用智能体 AI 扩展云迁移
AWS Professional Services 用 Strands Agents SDK 在 Amazon Bedrock AgentCore 上构建四智能体模式，将每应用 IaC 开发时间从 3 到 4 周缩短至分钟级。
- AWS Machine Learning BlogAI 评分
Amazon Quick 为 AI 构建应用引入 Live Data in Apps，实时查询受治理数据集
Amazon Quick 为 AI 构建的应用推出 Live Data in Apps，可在用户每次打开应用时实时查询受治理的 Quick Sight 数据集，取代发布时固化的静态快照。该功能支持 SPICE 与 Direct Query 两种数据集模式，查询以查看者身份执行，自动沿用既有行级与列级安全规则，查看者需为已认证的 Quick 用户并首次按数据集授权。
- AWS Machine Learning BlogAI 评分
用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
NVIDIA NeMo Agent Toolkit（NAT）可通过自定义 memory provider 将 Amazon S3 Vectors 用作持久记忆层，并部署在 Amazon EKS 上。
- AWS Machine Learning BlogAI 评分
Amazon Payments 如何用 Amazon SageMaker AI 上的上下文多臂老虎机优化获客漏斗转化
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）为产品获客漏斗做个性化内容选择，七周线上 A/B 测试中，一个人群的最终漏斗转化率相对提升达高个位数百分比，另一个人群则未见改善，问题出在内容而非模型。
- AWS Machine Learning BlogAI 评分
用 Amazon Bedrock AgentCore 构建环境智能体：从事件驱动信号到 human-in-the-loop 工作流
AWS 介绍如何在 Amazon Bedrock AgentCore 上构建环境智能体（ambient agent）：S3 或定时事件触发后，AgentCore Runtime 上的智能体自动分析文件并生成任务，需要时通过单个 ask_human 工具暂停等待人工审批，再从中断处恢复。
NVIDIA AI 工厂如何通过高产、耐用、通用最大化投资回报
NVIDIA 提出 AI 工厂的回报取决于盈利、耐用、通用三大特性，其平台通过全栈协同设计实现最高每兆瓦吞吐与最低 token 成本。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐较 GB300 NVL72 高 30 倍以上，在 DeepSeek V4 Pro 模型上每百万 token 成本最高降低 45 倍。
Microsoft ResearchAI 评分 微软研究院用机器学习预测电网空间天气风险
微软研究院实习生开发了一套端到端机器学习流水线，为美国本土 66,935 座变电站生成空间天气风险预测，可提前 30 至 60 分钟预警。系统结合 AE 与 Dst 指数预测、地质电导率和电网数据，在 2020-2026 评估期内检测到近 80% 的重大空间天气事件，其中 Dst 预测在 62.2% 的高活跃时段优于 Burton 方程。
- AWS Machine Learning BlogAI 评分
用 Amazon Bedrock Knowledge Bases 以自然语言查询理赔数据
Amazon Bedrock Knowledge Bases 可通过 AgenticRetrieveStream API 用自然语言查询理赔文档并返回带引用的答案。
- AWS Machine Learning BlogAI 评分
在 Amazon Bedrock AgentCore Runtime Instances 上构建多智能体音乐制作流水线
AWS 为 Amazon Bedrock AgentCore 推出 Runtime Instances，用托管 EC2 承载长时间运行的多智能体工作流，会话最长 14 天、支持 GPU 和持久卷，单实例可托管多个智能体。
NVIDIA 与 CoreWeave 打通智能体 AI 从训练到生产的闭环
CoreWeave 宣布在 CoreWeave Cloud 上线 NVIDIA Vera Rubin NVL72 系统与 Spectrum-X 102.4T 以太网，Cognition 成为首个在生产环境运行该平台、支撑 Devin 的客户，早期测试中 SWE-2 推理总 token 吞吐量较 GB200 NVL72 最高提升 4.8 倍。
- AWS Machine Learning BlogAI 评分
Amazon Bedrock 将 Claude Opus 5、Sonnet 5、Haiku 4.5 引入印度境内推理
Amazon Bedrock 在印度上线 Anthropic 的 Claude Opus 5、Claude Sonnet 5 和 Claude Haiku 4.5，通过印度地理跨区域推理让数据仅在 ap-south-1 与 ap-south-2 之间流转。
- AWS Machine Learning BlogAI 评分
Amazon Bedrock 在首尔和新加坡推出 Anthropic Claude 模型区域内推理
Amazon Bedrock 现支持在首尔区域使用 Claude Opus 5 和 Claude Sonnet 5、在新加坡区域使用 Claude Sonnet 5 进行区域内推理，请求与数据全程不离开所调用的 Region。
- AWS Machine Learning BlogAI 评分
用 Amazon Quick 和 Amazon Bedrock AgentCore 构建 AI 合同智能平台
基于 Amazon Quick 与 Amazon Bedrock AgentCore 的合同智能平台，用 AI 智能体从合同 PDF 中提取八个关键字段，并由独立的验证智能体复核，签名识别分歧时由 Amazon Textract 作为确定性裁决。
- AWS Machine Learning BlogAI 评分
Condé Nast 如何用 Amazon Bedrock 构建多模态视频检索
Condé Nast 联合 AWS 生成式 AI 创新中心，基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频检索方案，将单次内容检索耗时从 250 分钟降至 2 分钟以内。该方案采用 TwelveLabs Marengo 嵌入模型，对视频转录文本、画面和音频联合编码，支持自然语言意图搜索、以图搜视频和时间戳定位，覆盖超 14 万条视频库。
Mistral AIAI 评分
Mistral 在慕尼黑开设德国中心，推进工业 AI 与 Physics AI
Mistral 在慕尼黑开设德国中心，组建专注 Physics AI 与工业 AI 的研究团队，并计划到 2030 年建成 1 吉瓦欧洲算力。该中心将直接服务企业客户，已与 BMW 合作碰撞仿真与工程 AI、与 Siemens Energy 合作工业 AI 应用，并与慕尼黑工业大学（TUM）建立研究合作，利用其风洞设施开发汽车空气动力学数字孪生。