在 AWS 上用 A2A 协议构建可组合、可互操作的多智能体系统
AWS 发布基于 A2A 协议的参考架构，让 LangChain 构建的企业编排智能体与 Strands Agents 构建的 SaaS 合规智能体跨组织边界协作，双方分处独立 AWS 账户、各自使用 Amazon Cognito 用户池，通过 OAuth 双向认证且不共享密钥。
全部 AI 动态
AWS Machine Learning BlogAI 评分4949 AWS Machine Learning BlogAI 评分4848 从原型到生产：用 Agent DLC 构建工程化 AI 智能体
AWS 提出 Agent Development Lifecycle（Agent DLC），用一个生命周期、两个循环和统一的黄金标准来判定智能体每次改动能否上线。
AWS Machine Learning BlogAI 评分4444 使用 Amazon Bedrock 和 Spring AI 构建自主 AI 智能体
文章演示如何用 Spring AI 与 Amazon Bedrock AgentCore 在 Java 中构建自主 AI 智能体，并给出两套可部署系统：带工具调用与记忆的单一旅行助手，以及含 Lawyer、Mortgage、Insurance、Tax、General 五类专家智能体的多智能体文档处理（IDP）系统。
Hugging Face BlogAI 评分4747 Hugging Face 发布 3D 生成模型 TRELLIS.2 微调指南
Hugging Face 发布面向 3D 生成模型的微调指南，用 LoRA 和 PEFT 库微调 TRELLIS.2，并提供可本地或 Hugging Face Jobs 运行的脚本与容器。实验以 GSO 数据集中 188 个鞋类对象为子集，仅对 sparse-structure flow DiT 和 shape flow DiT 加 LoRA 适配器，以改善鞋底几何精度，材质生成阶段不微调。
AWS Machine Learning BlogAI 评分4040 OpenAI Codex 如何通过 Amazon Bedrock 完成推理并接入 AWS 身份与运维体系
文章演示了如何在开发者工作站上运行 OpenAI Codex、让其模型请求经 Amazon Bedrock 完成推理，示例使用 GPT-5.6 Sol，并给出 Native AWS Access、AgentCore Gateway 与 LLM Gateway 三条接入路径。
Hugging Face BlogAI 评分4949 面向多向量嵌入模型的 Token Pooling 感知训练
面向多向量嵌入模型的 Token Pooling 感知训练可让编码器在向量合并时保留关键信息，从而在相同存储预算下提升检索质量。普通训练的模型在 pool_factor=4 时保留未池化 NanoBEIR nDCG@10 的 94.6%，文档向量减少 4 倍；感知训练将保留率提升到 97.8%。文章还介绍了 HierarchicalTokenPooling 的池化预算选择与自适应池化阈值校准方法。
Simon WillisonAI 评分5858 Anthropic 文档介绍用代码归属提示词让 Claude Fable 5.2 合并重复代码
Anthropic 文档指出，在小型编码任务测试中，Claude Fable 5.2 会关注代码归谁所有：当提示词未说明代码归属，或把代码库描述为他人所有时，模型倾向于沿用现有结构，即使这会重复已有代码，而当提示词声明代码库属于模型自己时，它常会合并重复代码，并有时主动做相关修复。
Hugging Face BlogAI 评分5858 Hugging Face 介绍决策模型：统一接口与 Transformers、llama.cpp 支持
Hugging Face 发文介绍决策模型，这类模型接收状态与问题，直接在预设答案上返回概率分布而非生成文本。
GitHub Blog · AI & MLAI 评分4141 GitHub 开发者指南：从代码生成到智能体工程（Agentic Engineering）
GitHub 发布开发者指南，介绍在 Plan、Build、Verify、Observe 各阶段用 Copilot 开展智能体工程的工作流。文中提到 GitHub 单周提交量超 12 亿次、同比增长逾 400%，并给出 Session continuity、云端沙箱、Copilot Fusion 等具体能力的使用方式，帮助开发者把时间花在决策而非检索上。
GitHub Blog · AI & MLAI 评分4646 GitHub 如何用 ModernBERT 分类器更少误报地检测密钥
GitHub 为密钥扫描训练了专用的 ModernBERT 上下文分类器，配合正则候选生成，替代此前的 LLM 流水线。相比旧方案，告警被用户接受的精度提升 11.5%，push 后扫描中位执行时间降低 86%，服务成本下降逾 98%。该分类器已使通用密钥检测扩展到 push 保护阶段，在推送前即可返回结果。
GitHub Blog · AI & MLAI 评分4646 GitHub Copilot 入门教程：如何让 Copilot 了解你的代码库
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式：用 `.github/copilot-instructions.md` 和 `.github/instructions` 定义仓库级与路径级规范。
Berkeley AI ResearchAI 评分5252 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 发布文章，梳理自适应并行推理（APR）的研究进展，把它定义为模型在推理时动态分配并行与串行算力的范式。文章对比 self-consistency、Best-of-N、Tree-of-Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!