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。
#教程/实践
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!