Google Developers Blog代理分心
13% 的代理会因 inline TODO(bug/...) 或 FIXME(bug/...) 而被误导，其中 83% 的行动完全未获开发者提示。41% 的代理追踪已关闭的 bug，57% 触发范围蔓延，导致每会话步骤增加 70%、token 增加 77%、等待时间增加 105%。通过交叉比对 TODO 状态和用户提示，可自动分离有效工作与浪费路径。
实时
#部署/工程
- Google Developers Blog
vLLM Blog精选7272REINFORCE Zero：对齐 kernel 让异步 RL 在 lag 64 下稳定训练
NVIDIA Research 与 Inferact 的 REINFORCE Zero 提出先对齐 rollout 与训练 kernel，再用不裁剪的 token 级重要性采样修正权重滞后，在 16 张 GPU、12K 次更新下训练步吞吐为同步训练的 2.40 倍。
推荐理由: 论文把异步 RL 的 rollout 与训练差距拆成权重滞后和 kernel 不一致两项，并给出对齐后免裁剪重要性采样的做法。
OpenAI NewsCult.fit 利用 Codex 提升运营效率
Cult.fit 正在运用 Codex 协助跨部门团队构建工具、加速工作流程并改变工作方式。
- vLLM Blog
VeRL-Omni v0.3.0 发布：异步训练与更广泛的多模态后训练支持
VeRL-Omni v0.3.0 发布，将异步执行扩展到更多多模态强化学习工作负载，并将 V1 训练器设为默认选项，同时扩展了图像、视频、音频和多模态理解的后训练支持。
Cursor Changelog精选7878Cursor 上线 Live Apps，可在编辑器内构建并分享可访问应用
Cursor 推出 Live Apps 功能，用户描述需求后由云端智能体搭建 Web 应用、按需启动 Postgres 数据库、接入 Cursor SSO 鉴权并完成托管部署，发布后生成可分享链接。
推荐理由: Cursor 将建站、数据库、鉴权和部署纳入云端智能体，读者可据此判断内部工具的开发门槛会降到什么程度。
NVIDIA Newsroom5858NVIDIA Vera 发布：兼顾最高吞吐量与最快智能体性能
NVIDIA Vera 处理器在 100 兆瓦数据中心对比中超越最快和最节能的 x86 CPU，实现行业领先智能体速度并提升 1.6 倍每瓦智能体密度。Perplexity 和 DeepInfra 等早期采用者在生产测试中验证了 1.5 倍和 2.2 倍的智能体任务加速。
Databricks Blog5858Databricks 将 Delta Sharing 升级为 OpenSharing：扩展 AI 资产共享范围
Databricks 与 Linux Foundation 于 2026 年 6 月宣布 Delta Sharing 升级为 OpenSharing，将共享范围从 Delta Lake 表扩展至包含 Agent 技能。
- Databricks Blog
Databricks 的三种数据协作工具：OpenSharing、Clean Rooms 和 Marketplace
Databricks 提供三种数据协作工具：OpenSharing 允许用户直接共享数据资产（包括表、视图、笔记本、模型等）给外部组织或内部部门，提供即时只读访问且无需建立管道。
Mistral AI精选7575Mistral 发布 Mistral Large 4（Le Chonk）并扩展 Mistral Studio 平台
Mistral 发布 Mistral Large 4（代号 Le Chonk），主打编码、防御性网络安全和复杂文档推理，同时扩展企业平台 Mistral Studio，新增托管智能体、应用、工作流能力以及企业上下文、智能体可观测性和评估功能。
推荐理由: 原文给出托管智能体、工作流、应用三类能力与部署选项，读者可据此判断企业智能体落地方式。
- NVIDIA Newsroom3838
NVIDIA 全栈协同设计如何解决 AI 的内存挑战
NVIDIA 通过全栈协同设计提升内存效率，在 GPU、CPU、网络、存储和软件各层优化内存使用。Blackwell Ultra 显卡使每 GPU HBM 容量提升约 3%，而 SemiAnalysis AgentX 上的智能体推理成本降低 30 倍。
LangChain BlogBrowserbase Stagehand 如何优化浏览器智能体使用
Browserbase Stagehand 工具通过代码模式让智能体一次调用完成多步浏览器操作，结合快照视图管理上下文，显著提升 Claude Sonnet 5.5 在 WebVoyager 100 任务中 90% 的通过率（总成本 $1.98。
- LangChain Blog5252
LangSmith BYOC 现已支持 AWS、Azure 和 Google Cloud
LangSmith Bring Your Own Cloud (BYOC) 现在支持 AWS (GA)、Azure (Beta) 和 Google Cloud (Beta)，用户可将追踪、评估、数据集、提示词和智能体部署保留在自选云账户中，LangChain 负责数据层管理。
- Databricks Blog
Zerobus Ingest 推动 Debezium 的 CDC 到 Unity Catalog
NVIDIA 与 Databricks 联合为 Debezium 项目贡献的 Zerobus Ingest 消息接收器，通过直接将记录写入 Unity Catalog Delta 表。
IBM Research Blog3636ORNL、IBM 和 AMD 联合发布量子纠错协同设计平台
ORNL、IBM 和 AMD 在 IBM 纽约波基普西园区部署量子纠错（QEC）协同设计平台，将 IBM Quantum Nighthawk r2 处理器与 ORNL Umbra HPC 系统整合，后者包含 AMD Instinct MI355X GPU 和 5th Gen AMD EPYC™ CPU，为混合 HPC-量子计算环境中的算法开发与验证提供低延迟量子-经典执行能力。
- vLLM Blog精选7171
Buoyant 开源 Kinference：面向 vLLM 与 Kubernetes 的推理控制平面
Buoyant 发布开源项目 Kinference，作为 vLLM 与 Kubernetes 之上的推理控制平面，提供 token 限流、租户用量与成本追踪、KV cache 感知的负载均衡和推理策略。
推荐理由: 原文给出 KV 缓存感知负载均衡的基准对比和 YAML 策略示例，可据此判断推理平台的路由层如何设计。
- Databricks Blog精选6060
Apache Spark 4.3 发布，Databricks Runtime 19 已可用
Apache Spark 4.3 发布并在 Databricks Runtime 19 中可用，Real-Time Mode 新增有状态处理，支持流式聚合、dropDuplicates 和 transformWithState。
推荐理由: 原文给出实时模式有状态处理的三项基准延迟数据和季度发布节奏变化，读者可据此判断流处理架构的取舍。
AWS Machine Learning Blog精选6060生产级 AI 智能体的四层上下文工程：Deep Insight 在可运行代码中的实践
AWS 团队以开源多智能体数据分析方案 Deep Insight 为参考实现，把生产级 AI 智能体的上下文工程拆成四层：多智能体架构隔离上下文、用提示词限制输出、把重内容外置到文件系统、用验证智能体与兜底机制把关。
推荐理由: AWS 团队把上下文工程拆成四层，并给出开源参考实现中的具体代码与 token 节省数据，可直接对照改造自家 Agent。
- AWS Machine Learning Blog
AWS Quick 的智能审批：在 AI 智能体工作中保留人类监督
AWS Quick 的 Smart Approvals 功能通过现有控制评估用户请求的每个操作，自动批准符合条件的操作或将其返回给用户审查，无需额外权限。它使用独立模型 classifier 评估操作，考虑操作内容、数据流向和影响对象，并参考用户知识图谱判断接收者关系。管理员可设置哪些操作必须人工审批，用户也可关闭该功能。
- vLLM Blog精选7575
vLLM 为 Kimi K3.1 Pro 提供 Day-0 支持
vLLM 宣布在 NVIDIA、AMD、Google TPU 和阿里平头哥真武 PPU 上 Day-0 支持月之暗面开源的 Kimi K3.1 Pro，该模型为 2.8T 参数（104B 激活）多模态 MoE，上下文 1M token。
推荐理由: vLLM 团队详述为 Kimi K3.1 Pro 做 Day-0 适配的工程取舍，含稀疏注意力、KV 缓存打包与 DCP 的具体数字。
- AWS Machine Learning Blog4141
U Mobile 如何基于 Amazon Bedrock AgentCore 构建智能客服中心 AiDaH
U Mobile 与 AWS 合作，基于 Amazon Bedrock AgentCore 开发了 AiDaH 智能客服中心，通过跨系统实时协调、链式推理和多租户安全框架，处理 150 项运营场景，关键业务工单量下降 84.5%。AiDaH 在 2025 年底启动试点，2026 年 Q3 正式上线，采用 Microsoft Teams 作为交互界面
Together AI BlogTogether Compiler：面向 AI 推理的持续编译器
Together Compiler (TKCC) 通过高通量智能体实现 AI 推理工作负载的持续优化，在 24 小时内将前沿开源模型（Kimi K3、GLM 5.3）的延迟降低。
- Together AI Blog精选7575
Together AI 发布了 Together Compiler，持续编译优化 AI 推理。
Together AI 发布了 Together Compiler（TKCC），利用高吞吐智能体持续为推理引擎生成优化方案，在 24 小时内于 Kimi K3、GLM 5.3、MiniMax M3.1-Flash、DeepSeek v4.1-Flash 等前沿开源模型上实现 1.3-3x 的 TPS 提升。
推荐理由: 原文给出了持续编译在多个前沿模型上的吞吐提升和引擎启动耗时对比，可据此判断推理优化流程的变化。
Claude Code releases1515Claude Code v2.1.318 发布
Claude Code v2.1.318 添加了会话中模型开启 mods 的回答记录、跨 AWS 账户的 assume_role 功能、mod fork 的 effort 选项。
- Databricks Blog3838
Claude 平台现支持在 Databricks MLflow 中进行原生 OpenTelemetry 可观测性
Claude 平台原生 OpenTelemetry 数据导出到 Databricks MLflow，开发者可通过 Anthropic SDKs、Messages API 和 Managed Agents 发送原生追踪数据，利用 MLflow 调试智能体并评估变更。
- OpenAI News
ChatGPT 和 Codex 如何加速物理世界的工程设计
ChatGPT 和 Codex 正帮助工程师加速 CAD、PCB 设计、仿真等物理世界工作流
Meta Engineering3434Meta 推出 F3 Lightning 加速广告 ML 功能规模化生产
Meta 推出 F3 Lightning 解决 F3 合并图发布瓶颈，通过解耦功能发布与执行实现独立验证部署，采用稳定计算标识符、单一执行计划、共享内存缓冲区和密集索引映射等优化，使提取功能生产速度比 F3 提升约 3.6 倍且不增加基础设施计算成本。
- Google Developers Blog5858
使用廉价分类器路由 Google Gemini 模型以降低推理成本
TypeSafe 的 Jev 分类器可路由任务至最经济的 Gemini 模型，50 题测试显示其准确率达 96%，优于 93.8% 的 Python 正则启发式方法；设置推理模型 MaxOutputTokens 限制并不能节省成本，反而可能中断复杂任务推理。
- AWS Machine Learning Blog2828
Amazon Bedrock 在印度推出 Kimi K3 推理服务
Amazon Bedrock 现在支持在印度境内对 Kimi K3 进行推理，满足严格的数据本地化需求。客户 Ultrahuman 通过 API 调用该服务，使 AI 健康助手能处理每日超 14,000 次对话，同时将健康数据保留在 AWS 内部，成本降低 80%，多轮对话速度提升 85%。
- AWS Machine Learning Blog3838
Cartesia 如何在 AWS 上构建超低延迟语音 AI 应用
Cartesia 利用专为实时语音 AI 设计的状态空间模型（SSM）和 AWS 基础设施，实现亚 100ms 的文本转语音和语音转文本，支持 44 种语言语音克隆，适用于虚拟助手、客服中心等场景。Sonic 模型在约 90ms 内生成首个音频字节，Ink 模型具备原生话轮检测和噪声鲁棒性，API 接口支持实时流式输出。
- AWS Machine Learning Blog2424
Gen Digital 如何用 Amazon Bedrock AgentCore Web Search 为 Norton Revamp 构建AI策展新闻引擎
Gen Digital 为 Norton Revamp 平台开发了 AI 策展新闻引擎，通过 Amazon Bedrock AgentCore Web Search 实现实时内容 grounding。
- AWS Machine Learning Blog3232
Amazon Quick 整合结构化与非结构化数据。
Amazon Quick 通过连接 Amazon S3 和创建知识库整合结构化与非结构化数据，用户可使用单一对话式 AI 代理查询。该解决方案包含数据层（存储在 S3 的非结构化内容和作为语义数据集的结构化数据）、工作空间层（将数据类型整合到单一工作空间）和代理层（自定义聊天代理链接到工作空间并返回组合响应）。
- NVIDIA Newsroom同一件事 · 2 家3838
AI如何重塑半导体晶圆厂工作方式——工程师因之加速决策
AI正改变半导体晶圆厂工作方式，工程师因之加速决策。NVIDIA cuDSS库使COMSOL的多物理场仿真加速10倍，Applied Materials的Ginestra平台仿真加速10倍，ACE+平台加速35倍，Siemens的Calibre光刻软件仿真加速17倍。NVIDIA PhysicsNeMo框架让Lam Research能在毫秒级预测等离子体行为，替代耗时数天的全仿真。
同一件事 · 2 家各家口径不同：NVIDIA博客称ZEISS SMT使用COMSOL进行EUV光刻等离子体仿真提速4倍；NVIDIA新闻室提到使用cuDSS对COMSOL进行10倍加速。
PyTorch BlogPyTorchKR 与 XCENA 联合举办 KVCache Meetup Korea 2026：活动回顾
PyTorchKR 与 XCENA 于 2026 年 9 月 30 日联合举办 KVCache Meetup Korea，XCENA、SK hynix、FuriosaAI 和 LMCache 的演讲者分享了 LLM 推理及 KV 缓存优化的成果。
- NVIDIA Newsroom
全球城市利用 NVIDIA 物理与智能体 AI 构建和扩展服务
NVIDIA 与合作伙伴正将物理 AI 和智能体 AI 扩展到全球城市，通过共享计算基础设施支持市政部门、邻近市镇及本地开发者构建服务，无需各组织单独采购和管理资源。
Hugging Face BlogTransformers Model Integration Contracts 发布：Hugging Face 推出模型集成契约标准
Transformers 支持超过 750 模型类型，其测试套件包含 88,000+ CPU 测试和 200,000+ GPU 测试。Hugging Face 发布 Model Integration Contracts (MIC) 标准，包含压缩模型（如 66 MB 权重的 UMT5 固定件）、可运行示例（如 SmolLM 文本生成）和人工审核基线。
- OpenAI News
OpenAI 构建 Pando：为 Codex 规模开发设计的 Git 兼容后端
OpenAI 构建了 Pando，一个 Git 兼容后端，专为 Codex 实现的规模开发设计。
- Databricks Blog
Lakebase Postgres 已在 Google Cloud 上正式发布
Lakebase Postgres 在 Google Cloud 上正式发布，支持无服务器 Postgres 运行于 Databricks 数据与 AI 平台。
- PyTorch Blog3434
Ray 宣布加速器特殊兴趣小组（SIG），旨在联合硬件厂商、Ray 贡献者和应用开发者，制定中立的加速器支持路线图。
Ray 宣布加速器特殊兴趣小组（SIG），旨在联合硬件厂商、Ray 贡献者和应用开发者，制定中立的加速器支持路线图。初期聚焦开发测试基础设施、硬件感知能力和网络传输，优先支持共享硬件访问、可复现的开发测试环境及更广泛的 CI 覆盖。
- Databricks Blog5858
Databricks Lakebase 分支功能助力 CI/CD：来自 100 个 PR 数据库的经验
Databricks Lakebase 通过其基于复制-on-write 的数据库分支功能，将每个 PR 分支的创建时间缩短至秒级，支持峰值约 100 个并发分支，每分支独立读写，兼容标准 Postgres 并支持大型 JSONB/LOB 列，满足 Snorkel AI 在 CI/CD 流程中快速、安全、低成本地测试生产数据的需求。
- AWS Machine Learning Blog5555
Amazon Bedrock AgentCore 运行时让编码智能体实时构建和预览网页应用
Amazon Bedrock AgentCore 运行时支持编码智能体实时构建和预览网页应用，通过 Session 端点提供带认证的 URL 以访问智能体会话中的端口，实现秒级更新预览。会话隔离的微虚拟机环境支持 HTTP/1.1、HTTP/2 和 WebSocket 连接，需配合 SDK 本地端点传递 IAM SigV4 签名或 JWT 令牌。
