AWS 回顾 2026 年 9 月面向 AI 开发者的 Bedrock、AgentCore 和 Strands 更新
AWS 回顾了 2026 年 9 月 Amazon Bedrock、Amazon Bedrock AgentCore 和 Strands 的更新,覆盖模型选择、智能体运行效率和企业数据连接。
AWS 回顾了 2026 年 9 月 Amazon Bedrock、Amazon Bedrock AgentCore 和 Strands 的更新,覆盖模型选择、智能体运行效率和企业数据连接。
NVIDIA 展示开发者如何结合 GPT-6 Astra、Claude Fable 5 等前沿 AI 模型与 Omniverse libraries,把自然语言指令转化为机器人、自动驾驶和数字孪生仿真应用。案例涵盖仓库人形机器人模拟器、Zero to Alpamayo 自动驾驶测试、Robo Olympics、NASA 国际空间站浏览器应用等,并使用 GPU 加速物理、渲染和传感器仿真能力。
AWS Machine Learning Blog 介绍了 BlockRun 和 Incarna 使用 Amazon Bedrock AgentCore payments,让 AI 智能体通过 x402 按单次模型推理付费。
推荐理由:案例给出 AgentCore payments 接入路径和真实交易数据,可参考其按次推理付费的工程做法。
AWS Machine Learning Blog 介绍了面向 AI CoE 负责人的智能体自动化商业案例框架,用于弥补传统 RPA ROI 模型只计算节省工时的不足。
Microsoft Research 开发机器学习系统,预测美国本土 66,935 个变电站的空间天气风险。系统结合太阳风、AE 和 Dst 预测、纬度、地质与地面电导率,可在特定风险出现前 30-60 分钟预警。2020-2026 评估中,系统对 major、severe、extreme 事件的检测率分别为 76.5%、81.2% 和 64.1%。
GitHub Copilot app 的 canvases 可用来构建自定义工作流界面,用户和 agent 能在同一界面中双向协作。创建时只需在 agent 会话中输入 /create-canvas skill,并用自然语言说明工作流、界面可操作内容和 agent 可执行内容。
GitHub Security Lab 推出 Fuzzing Taskflow,这是面向 C/C++ 项目的自主 fuzzing 流水线,基于 GitHub Security Lab Taskflow Agent 构建。
推荐理由:原文拆解了自主 fuzzing 流水线的架构和安全边界,可借鉴其 Agent 决策与工具执行分离的设计。
Berkeley AI Research 介绍 ABBEL,一种让 LLM 用自然语言信念状态替代完整交互历史的框架,以降低长程交互中的上下文开销。ABBEL 通过 belief grading 监督每个信念状态的信息含量,在 CollabBench 中将与 full context 模型的性能差距缩小约 50%,训练步数从 100 降至 50,并保持更低峰值 token。