用 Amazon Nova Act 做智能体 QA 自动化：QA Studio 新增应用与团队权限管理
AWS 在 Amazon Nova Act 构建的 QA Studio 中新增“应用”与基于团队的用户管理两项能力，用于跨组织扩展测试自动化。应用作为测试容器汇总通过率、执行次数、失败数与 0–100 健康分，并按 7 天小时级或 30 天日级窗口展示趋势。权限分为 Admin、Team Lead、Editor、Executor、Viewer 五级，应用归属唯一团队。
#部署/工程
AWS Machine Learning BlogAI 评分2929 AWS Machine Learning BlogAI 评分3636 Epsilon 如何用 Amazon Nova Act 构建意图驱动的 UI 测试
Epsilon 的 Agentic Platform 团队用 Amazon Nova Act 搭配 Amazon Bedrock AgentCore Browser，把意图驱动的 UI 测试做成平台托管服务，叠加在原有 Playwright 回归套件之上。
AWS Machine Learning BlogAI 评分4343 用 Kiro 构建可重复的 PHP 到 Java 迁移引擎
AWS 博客介绍如何用 AI IDE Kiro 把 PHP 到 Java 迁移做成可重复流程：共享技能文件 php-to-java-migration 与 php-model-discovery 驱动八阶段、以对等性验证为准的流水线。同一套技能文件既可在 Kiro 中交互式逐应用执行，也可交给 AWS Transform 以智能体方式并行处理多个应用。
AWS Machine Learning BlogAI 评分3636 AWS Batch 为 SageMaker Training 作业推出配额管理，支持团队间借还资源
AWS Batch 为 SageMaker Training 作业新增配额管理能力，管理员可按团队或项目划分配额份额，并通过 RESERVE、LEND、LEND_AND_BORROW 三种资源共享策略自动出借闲置 GPU 容量。
AWS Machine Learning BlogAI 评分5050 MoEngage 如何用 AgentCore Gateway 将 400 多个 API 转为智能体工具
MoEngage 借助 Amazon Bedrock AgentCore 的 AgentCore Gateway，把约 400 个 VPC 私有 REST API 转成按权限限定的智能体工具，节省约六个月平台工程投入，新 API 接入从数天缩短到数小时。其原则是各团队只维护 OpenAPI 规范、不写 MCP 代码，由 AI 平台团队统一负责 MCP 层，全程无公网端点。
AWS Machine Learning BlogAI 评分4444 NVIDIA Nemotron 3.5 Super VL 在 Amazon EKS 与 SageMaker HyperPod EKS 上的智能体部署实践
NVIDIA Nemotron 3.5 Super VL 是 120B 参数 MoE 多模态模型，每 token 激活 12B 参数，支持文本、图像、文档和视频输入，上下文长度达 1M tokens。
NVIDIA BlogAI 评分3636 NVIDIA 展示开发者如何用前沿 AI 智能体在 Omniverse 中构建仿真应用
NVIDIA 展示开发者用 GPT-6 Astra 等前沿 AI 模型配合 Omniverse 库，通过自然语言指令构建仿真应用。示例包括从现场扫描重建可编辑建筑模型、燃气轮机数字孪生 what-if 分析、SimReady Central Library 超 2000 个 USD 资产组装场景，以及 80 台传送带、40 台机械臂、800 个箱子的仓库仿真在 1080p 下维持 30 帧每秒。
AWS Machine Learning BlogAI 评分5050 在 Amazon Bedrock AgentCore 上构建企业级 Agentic AI 平台
AWS 团队介绍了基于 Amazon Bedrock AgentCore 的企业级 Agentic AI 平台架构与参考实现，采用联邦式运营模型，由中央平台团队提供受治理的共享服务，各业务团队在隔离的 Workstream 单元内自建自管智能体。
AWS Machine Learning BlogAI 评分3434 在 EKS 上用 Ray Train DLC 和 EFA 做分布式训练
AWS 发布 Ray Train DLC 镜像（train-ml-cuda-v1.1），预集成 Ray 2.58.0、PyTorch 2.13.0、CUDA 13.0.2、NCCL 2.29.7 与 EFA 及 AWS OFI NCCL 插件，无需自行构建镜像。
NVIDIA BlogAI 评分3030 哈萨克斯坦扩大算力布局，NVIDIA 与 Firebird、Kazakhtelecom 加码 AI 基础设施
哈萨克斯坦正从 AI 基础设施规划转向部署，Firebird 已获美国出口许可，将引入 45,000 块 NVIDIA Grace Blackwell GPU，首期与 Kazakhtelecom 在 Data Center Valley 建设，目标 2027 年第三季度商用。
NVIDIA BlogAI 评分5858 NVIDIA 发布 Minerva，为 AI 工厂提供端到端可观测性
NVIDIA 发布 AIOps 平台 Minerva，汇集基础设施与 AI 工作负载的遥测数据，用专用 AI 模型把数据转成可执行的洞察。平台跨 GPU、网络、存储、调度器和作业关联信号，构建动态知识图谱，每小时分析数十亿数据点，可把大量告警聚合成单一事件并给出可能的根因。
NVIDIA BlogAI 评分3434 欧洲金融机构采用开放权重模型构建专有智能，Revolut、Starling Bank 等落地 NVIDIA 加速计算
Revolut 正基于 NVIDIA 加速计算以单一基础模型 PRAGMA 重建技术栈，初期服务 8000 万客户并设计支持 3 倍扩展。Starling Bank 在 Civo 英国云上用自有交易数据训练出智能层 Starling Intelligence，Lloyds 则用 RTX PRO 6000 Blackwell GPU 构建交易基础模型 ATUM。
Microsoft Research精选AI 评分6666 微软研究院推出 Magnetar：基于标准哈希函数的通用零知识证明系统
微软研究院发布零知识虚拟机 Magnetar，可直接证明 Rust、Go、C 编写的 RISC-V 程序执行，在 15 个基准上平均比现有最快 zkVM 快 10 到 39 倍，证明验证约 12 毫秒。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何在速度、通用性和密码学假设三方面同时推进。
GitHub Blog · AI & MLAI 评分5050 GitHub 用 ModernBERT 分类器重构密钥扫描：误报更少、成本降 98%
GitHub 为密钥扫描训练了专用 ModernBERT 分类器，替代此前的 LLM 流水线，用户告警接受率提升 11.5%，推送后扫描中位执行时间缩短 86%，服务成本降低 98%。该方案先用正则表达式广撒网生成候选，再由微调后的 ModernBERT 结合文件路径、变量名和上下文判断是否为真实凭据。效率提升使通用密钥检测得以扩展到推送保护，在代码推送前就返回结果。
GitHub Blog · AI & MLAI 评分5858 GitHub 推出基于 ModernBERT 的密钥检测分类器，将 push 防护扩展到非结构化密钥
GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器，把 push protection 扩展到无固定格式的非结构化密钥，可在 2 毫秒内评估一批候选密钥，并称可让可拦截的密钥数量增加一倍以上。
Microsoft Research精选AI 评分7878 微软开源 Agent Lightning v1.0：3500 行代码的轻量 Agentic RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量 Agentic RL 框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与强化学习，无需在训练框架内重写 agent。
推荐理由：微软开源 3500 行代码的 Agent RL 框架，用真实 harness 训练，并给出 6000 样本提升 14.6 个点的完整流程。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把多年内核优化经验带到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 的研究者把 K-Search 内核搜索框架扩展到 MLX，并加入结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核作为知识库被改写为 Apple Silicon 内核。
推荐理由：作者展示了把 CUDA 优化经验迁移到 MLX 的具体做法，并给出注意力与 Mamba 两个内核的实测对比。
Berkeley AI ResearchAI 评分3737 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队综述了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化独立子任务、开启多少并发线程以及如何协调。文章指出，现有方法如 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild! Inference 的并行结构多由外部设定，而非模型自主选择。
Berkeley AI ResearchAI 评分4242 Berkeley AI Research 提出 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中注入随机性以促进探索，并重塑梯度让动作获得清晰信号。该方法针对长时程规划中梯度爆炸/消失、非贪心局部极小值和高维视觉潜空间失效等问题，使基于梯度的规划更稳健。