Databricks BlogDatabricks 通过 ai_extract 和 MLflow Prompt Registry 提升文档提取准确率
Databricks 通过构建包含评审环节的文档提取流程，使用 ai_extract 结合 JSON schema 和全局指令提升准确率，并借助 MLflow Prompt Registry 版本化配置，最终在固定人工标注数据集上验证改进效果，使系统整体性能得到提升。
实时
#教程/实践
- Databricks Blog
LangChain Blog精选7171LangChain 如何搭建设计智能体 Content Studio
LangChain 介绍了其内部设计智能体 Content Studio 的搭建过程，该智能体在 Slack 中接收一句提示词即可产出视频、社交图、UI 图和幻灯片，所有素材均以代码生成。
推荐理由: LangChain 公开了设计智能体 Content Studio 的完整搭建过程，包括技能、wiki、检查门与异步子智能体的分工方式，可作为构建垂直 Agent 的参考。
Sakana AISakana AI 推出日本本土 AI 产品 Sakana Chat、Sakana Marlin、Sakana Fugu、Sakana Translate 进入市场
2026年，Sakana AI 发布了 Sakana Chat、Sakana Marlin、Sakana Fugu、Sakana Translate 等产品，从研发公司转向产品交付阶段，其 GTM 团队于 2026 年 9 月正式启动。
- Databricks Blog2222
Databricks Free Edition 如何用于教学
Databricks Free Edition 允许师生免费在浏览器中运行完整数据或 AI 课程，无需云合同或许可证管理，适用于全球学生和教育工作者。该平台提供协作笔记本、Spark、Delta Lake、Lakeflow、Databricks SQL、Genie 代码助手等功能，支持从入门编程到 AI 项目的各类课程，技能直接应用于行业标准工具，无生产环境与教学沙箱的转换成本。
OpenAI NewsOpenAI 如何用 Codex Ultrafast 将事件调查时间从小时缩短至分钟。
OpenAI 工程师使用 Codex Ultrafast 将事件调查时间从小时缩短至分钟。该工具支持更快的安全分析、代码重构和日常工作流程。
Claude · YouTube5050Anthropic 工程师如何使用 Claude Docs
Anthropic 工程师 Doug 分享在站会与发布评审中使用 Claude Docs 的方法。Claude 在文档中协同工作，自动提取数据、验证论点并响应评论中的问题。该工具专为团队协作设计，支持文档内实时分析。
Google AI Blog4545Google AI Quests 系列“极峰”发布：引导学生探索人脑映射的神经科学
Google AI Quests 系列第三课“极峰”发布，通过游戏化学习神经科学，引导学生扫描和映射大脑神经元以理解记忆损失机制。该课程包含数据清理和模型测试任务，强调 AI 需要人类监督和批判性思维。课程灵感源自 Google AI 十年连接组研究，完成后学生将了解真实世界突破性成果，如完整果蝇脑图谱。
vLLM Blog精选6060vLLM在GB300 NVL72上服务DeepSeek-V4.1-Flash：性能追平DeepInfer并扩展至整机架
vLLM 团队在 NVIDIA GB300 NVL72 单机架上用 P/D 分离与 Wide-EP 服务 DeepSeek-V4.1-Flash，在 SemiAnalysis AgentX 上达到每 GPU 954K tokens/s、单用户 P90 196 tokens/s，为早期单节点结果的 7.9 倍。
推荐理由: vLLM 团队公开了在 GB300 NVL72 上服务 DeepSeek-V4.1-Flash 的逐项优化与实测数据，可与 DeepSeek 自家引擎 DeepInfer 对照。
- vLLM Blog精选6262
vLLM 详解 GLM-5.3 在 16 张 H200 上的 PCP、DCP 与 Hybrid HiSparse 优化
vLLM 团队发布 GLM-5.3 优化第二部分，在 16 张 H200 上以 1 个预填节点加 1 个解码节点部署，用 PCP 按 token 切分预填、DCP 按 token 切分 KV cache，使 1M 上下文可放入预填节点
推荐理由: vLLM 团队拆解了 PCP、DCP 与 Hybrid HiSparse 如何在 16 张 H200 上组合，读者可据此理解长上下文部署的内存与预填瓶颈。
AWS Machine Learning Blog5858在 Amazon SageMaker AI 上进行多轮强化学习：一份动手指南
Amazon SageMaker AI 通过多轮强化学习（MTRL）训练模型执行序列任务，用户无需提供正确轨迹，只需定义结果评分。以 Wordle 游戏为例，将 GPT-OSS-20B 模型的解决率从 61% 提升至 84%（默认推理力度），成本约 339 美元。
- AWS Machine Learning Blog3434
拜耳作物科学如何在 Amazon Bedrock AgentCore 上构建智能决策引擎
拜耳作物科学在 Amazon Bedrock AgentCore 上构建了智能决策引擎（ADE），通过多智能体和自然语言界面解决用户问题，首阶段解决约 80% 的用户问题无需工程师介入。
- AWS Machine Learning Blog
使用 AWS CDK 自定义资源编排 SageMaker AI 端点自动扩展
使用 AWS CDK 自定义资源可自动编排 SageMaker AI 端点更新时的自动扩展，无需手动干预。通过三个自定义资源（注销、更新、注册可扩展目标、附加扩展策略）实现显式依赖顺序，确保端点配置和自动扩展参数在单一部署中同步更新。部署栈包含三个自定义资源、两个 Step Functions 状态机及十二个 Lambda 函数。
- Databricks Blog精选6060
Databricks 谈 AI 账单：如何把编码智能体单位成本降低九成
Databricks 高管 Patrick 复盘公司全面采用 AI 编码智能体后成本指数级上升、再通过控制层把单位成本最多降低 90% 的过程。他提到把流量迁到更便宜的新模型贡献了 50% 以上降幅，Smart Router 在接近最贵模型质量下把平均任务成本降低 30% 以上。这套内部方案后来产品化为 Unity Gateway，目前已有数千家客户使用。
推荐理由: Databricks 高管复盘自家 AI 编码成本从失控到单位成本降九成的过程，给出网关、路由与自建评测的可迁移做法。
- AWS Machine Learning Blog
使用 Amazon SageMaker AI 上的 Kokoro TTS 流式传输低延迟语音
使用Amazon SageMaker AI上的Kokoro-82M TTS模型流式传输AI代理的语音响应，将生成与合成同步，以减少延迟并降低推理成本，Kokoro-82M模型包含8200万参数，在单个ml.g5.xlarge GPU实例上运行。
- AWS Machine Learning Blog5858
Amazon SageMaker 训练会话 API：无需管理 GPU 即可编写自己的训练循环
Amazon SageMaker 训练会话 API 允许用户从本地 Python 进程驱动 GPU 加速的会话，通过调用 forward_backward()、optim_step() 和 sample() 等操作实现算法自由，SageMaker AI 负责管理 GPU 资源。
- AWS Machine Learning Blog3434
Rescale 如何用 Strands Agents 和 AI-DLC 构建智能 AI 分流代理
Rescale 利用 Strands Agents 和 AI-DLC 框架在 AWS 上五天完成智能分流代理的搭建，并在数周内投入生产。该代理通过调用 Claude Opus 4.8 对夜间端到端测试失败进行分类，检索知识库中的历史失败模式，查询 MCP 日志获取运行时证据，生成包含文件引用、函数名和推荐修复方案的整改报告供工程师审核。
Codex releases00Rust v0.164.0-alpha.11 发布
Rust 发布了 0.164.0-alpha.11 版本，包含 8 个主要提交。
- AWS Machine Learning Blog5252
如何在 AWS Trainium 上用 torchtitan 训练 Qwen3
AWS 推出在 AWS Trainium 上用 torchtitan 训练 Qwen3 的三种方法，包括使用 Transformers v5、torchtitan 原生配置以及 Neuron Kernel Interface (NKI) mixture-of-experts (MoE) 内核。
- AWS Machine Learning Blog
U.S. Hunger 如何使用 Amazon Quick 连接领导与数据
U.S. Hunger 通过 Amazon Quick 直接探索组织数据，实现领导者共享关键绩效指标定义，并在 Quick Spaces 中协同分析财务与非财务信息，支持其年增长500%的运营效率。
Hugging Face BlogHugging Face 介绍 TorchNeuron 在 AWS Trainium 上的系统级性能分析
Hugging Face 介绍了如何使用 TorchNeuron 在 AWS Trainium 上进行系统级推理性能分析，通过 torch.profiler 配置 Neuron 后端捕获干净 traces，并利用 key_averages() 表识别耗时操作。
- OpenAI News3232
OpenAI 与 PerturbAI、Scripps 研究所合作，通过分布式 AI 智能体在数百万脑细胞数据中发现新研究线索
OpenAI、PerturbAI 与 Scripps 研究所合作，使用分布式 AI 智能体分析数百万脑细胞数据，发现新的研究线索。
- OpenAI News5555
Patch the Planet：全球安全漏洞响应协调平台发布
Patch the Planet 连接安全研究员、维护者和事件响应者，帮助应对开源项目中的关键漏洞。
- AWS Machine Learning Blog3232
Deepgram 如何借助 AWS Trainium2 优化语音 AI 性能
Deepgram 通过 AWS Trainium2 将 Nova-3 语音识别模型部署到 PyTorch，在单个 trn2.3xlarge 实例上运行 8 个副本，处理离线批处理工作负载时每美元可处理 11-70% 更多音频，并使用 NKI 库和 Neuron Explorer/NAD 工具链进行内核级调优，提升推理效率。
- AWS Machine Learning Blog5858
Amazon Bedrock 支持 Anthropic Claude 模型的结构化输出
Amazon Bedrock 现在支持所有 Anthropic Claude 模型的结构化输出，包括 bedrock-runtime 和 bedrock-mantle 端点。
- AWS Machine Learning Blog3434
在 AWS 上使用 AtScale 和 Amazon Bedrock AgentCore 构建语义层以支持智能体 AI
AtScale 作为语义层，通过 Semantic Modeling Language (SML) 在 Amazon Redshift 上构建维度模型，支持 Amazon Bedrock AgentCore 中的 Strands 智能体，实现跨系统 Customer 360 分析。
- AWS Machine Learning Blog2828
在 AWS 上使用 Denodo 和 Amazon Bedrock AgentCore 构建 AI 智能体语义层
Denodo 平台在 AWS 上构建语义层，为 Amazon Bedrock AgentCore 提供受控的企业数据访问，支持 Amazon Aurora、Amazon Redshift 和本地 PostgreSQL 数据库的联邦查询。
GitHub Blog · AI & ML3333GitHub Copilot 如何在 VS Code 中继续会话
GitHub Copilot 用户可直接在 VS Code 中打开 GitHub Copilot app 会话，继续其对话、代码变更和上下文。用户可逐行审查 Copilot 的修改，直接在 VS Code 中进行手动编辑，并在本地运行和验证项目。会话和代码工作区保持连接，支持与 Copilot 交互式迭代优化，最后将更新提交到关联的拉取请求。
- GitHub Blog · AI & ML2222
三位 Java 大师如何利用 GitHub Copilot 提升生产力。
三位 Java 大师 Vlad Mihalcea、Patrick Baumgartner 和 Frank Delporte 分享了在 Hypersistence Utils、Hypersistence Optimizer、教学幻灯片迁移等项目中使用 GitHub Copilot 的经验。
- Claude · YouTube2525
Anthropic 工程师如何使用 Claude Docs
Anthropic 工程师 Doug 分享在站会与发布评审中使用 Claude Docs 的方法；Claude 在文档中协同工作，自动提取数据、验证论断并响应评论问题；该工具专为团队协作设计，支持多人实时编辑与智能分析。
- Sakana AI
Sakana AI Engineer Open House 2026 活动报告
Sakana AI 举办第二次工程师开放日，涵盖五个职种，介绍各部门工作内容，展示金融和防务领域应用，强调AI主权战略及产品线扩展。
Google Developers BlogMeta 的 TorchTitan 集成 TorchTPU 并优化 TPU 模型训练
Meta 的 TorchTitan 集成 TorchTPU 使 PyTorch 模型可在 Google Cloud TPU 上原生训练，仅需少量代码更改。
- LangChain Blog
Nu公司如何用LangGraph和LangSmith构建AI健康教练并优先进行评估
Nu公司在开发AI健康教练Nu时，优先构建了评估标准以避免越界医疗诊断，采用LangGraph框架和LangSmith工具，通过按类别评分的LLM裁判和开放式行为测试，确保系统在满足健康指导需求的同时符合监管要求。评估框架针对单一回复和完整对话分别设计，支持在两个前沿模型提供商间快速迁移，安全探针和守门节点实时审查对话内容，确保产品始终处于合规边界内。
IBM Research Blog2222Coursera 新课程《AI 数据流架构：从原理到实践》教授现代加速器运行原理
Coursera 新课程《AI 数据流架构：从原理到实践》教授工程师如何跨 GPU、TPU、Cerebras WSE、Groq LPU 和 IBM Spyre 加速器工作。课程由 IBM 研究院高级研究科学家 Kaoutar El Maghraoui 主讲，通过六门课程和动手实验覆盖执行模型、编译、内存系统、调试和性能建模，强调不同架构如何影响模型性能及编译器优化关键作用。
- Google Developers Blog
使用 ADK 和 Gemini 3.8 构建「永不沉默」的语音代理
使用 ADK 和 Gemini 3.8，通过流式工具和异步函数实现非阻塞语音交互，将销售报告工作流的首次响应时间从 14.4 秒缩短至 1.2 秒，支持零静默、进度更新和并行对话。
- AWS Machine Learning Blog
Amazon Bedrock AgentCore 构建可信赖 AI 智能体：生产就绪评估框架
Amazon Bedrock AgentCore 评估框架帮助 AWS 内部销售团队用多智能体系统处理业务问题，发现智能体在演示和实际生产中表现差异；通过 Amazon Bedrock Guardrails、Amazon CloudWatch 等服务，该框架在发布前和持续生产中验证答案准确性，将错误溯源至数据、提示词或代码，避免因智能体回答看似自信却错误导致用户信任破裂。
- OpenAI News3535
Codex 如何加速 Benefit Street Partners 的代码审查与跟进
Anant Kumar 使用 Codex 进行代码审查并加快后续跟进。
Claude BlogClaude Code 团队如何进行代码审查
Claude Code团队将代码审查量提升2倍的同时将回滚率降低40%，通过将大部分审查工作交给机器优化人类时间，并大幅提升撤销错误的速度。团队采用六层自动化审查流程，包括Claude运行测试和生成输出、子代理审查差异、内部技能自动检测错误、UI变更对照设计规范，以及代码规范和代码所有者指南的自动检查，最终由人类审查者处理高阶问题。
- LangChain Blog
LangChain 博客：关于 Agent Evals 的常见问题解答
LangChain 博客介绍了如何使用 Agent Evals 测试 AI 智能体行为，包括通过追踪记录分析行为、构建包含输入和预期输出的测试数据集、运行离线基准测试（如 Terminal-Bench）和在线实时评估，以及使用代码检查、LLM 评分和人工审核等四种评估器类型。离线评估用于测试新提示词或模型并捕捉回归问题，在线评估用于监控生产质量并发现数据集遗漏的问题。
- Google Developers Blog
如何评估 AI 智能体：超越感觉检查
评估 AI 智能体不能仅凭感觉检查，因为智能体可能陷入重试循环或产生幻觉回答却仍看似正常，导致云费用和 token 使用量激增。应建立可重复的评估流程，从定义关键用户旅程（CUJ）开始，使用模拟用户测试，并采用单元测试、确定性指标、LLM 作为裁判的评分标准和集成测试等多层检查。结合手动审查的跟踪记录与自动化验证，可在开发早期检测到隐性回归，并随着智能体能力增长扩展评估框架。
- LangChain Blog
LangChain Deep Agents 如何通过中间件管理上下文窗口
LangChain Deep Agents 通过中间件管理上下文窗口，防止不必要信息进入并过滤已有内容。它采用卸载（将大工具结果和用户消息保存到文件）、摘要（压缩旧消息）、技能（按需加载）、子代理（分离噪声工作）和长期记忆（跨会话保存学习）等技术。这些技术通过在模型调用和工具调用等关键节点插入中间件实现，无需用户编写代码即可使用。
