Amazon Quick 各组件提示词工程：模式与陷阱
文章按组件讲解 Amazon Quick 的提示词工程模式与陷阱：Quick Research 需明确目标、受众和聚焦领域，分解子问题并限定数据源（如 Quick Index。
#教程/实践
#教程/实践
今日 2 条AWS Machine Learning BlogAI 评分3939 AWS Machine Learning BlogAI 评分2121 Amazon Quick Prompt Engineering 基础指南
summary_zh: Amazon Quick 的提示词工程决定 AI 功能响应自然语言请求的准确性和可靠性。核心原则包括：通过具体性消除歧义、提供业务上下文提升相关性、用示例（few-shot）替代抽象描述，以及使用 CRISPE 等结构化框架确保复杂请求的完整性和一致性。
Sebastian RaschkaAI 评分7474 文本分类的语言模型演进：从词袋到Jev
Sebastian Raschka梳理了文本分类从词袋模型、RNN/CNN到BERT/GPT的演进历程，并分析Jev的API设计与实际表现。Jev是TypeSafe AI发布的专有分类模型，在IMDb测试集上Choice API准确率达96.47%，延迟低、成本低，且无需针对每个任务微调。
Latent SpaceAI 评分6060 Claude Code 的下一阶段 — Thariq Shihipar 访谈
Anthropic 的 Thariq Shihipar 在播客中深入讲解 Claude Code 的当前用法与未来方向，涵盖 Ask User Question、Artifacts、Projects、Claude Tag、Claude Mods 等功能，并讨论提示词工程、模型路由、可变软件、代理安全与 Pacing the Frontier 等议题。
GitHub Security精选AI 评分6767 GitHub Security Lab 用开源 AI 安全 Agent 发现 24 个 Android 漏洞
GitHub Security Lab 发布开源 seclab-taskflows，提供 gather_mobile_entry_point_info 与 classify_application_local 等审计 taskflow，帮助安全研究者用 LLM 增量查找 Android 应用漏洞。
推荐理由：原文给出了可复用的审计 taskflow 与运行方式，读者可据此在自有项目中尝试 AI 辅助安全审计。
AWS Machine Learning BlogAI 评分4949 如何在 SageMaker AI 上用 vLLM-Omni 构建实时语音应用（Part 1）
在 Amazon SageMaker AI 上用 AWS vLLM-Omni DLC 部署 Qwen3-TTS，文本与音频经同一条持久双向连接传输，语音可在整段生成完成前开始播放。
AWS Machine Learning BlogAI 评分4141 在 SageMaker AI 上用 vLLM-Omni 生成图像和视频（第 2 部分）
同一 AWS vLLM-Omni DLC 在 SageMaker AI 部署两个端点：FLUX.2-klein-4B 实时生成图像，Wan2.1-VACE-1.3B 再异步把该图像做成短视频。
OpenAI NewsAI 评分2222 Proaction 借助 Codex 将销售额提升 60%、节省 75+ 小时
Proaction 借助 Codex、GPT-Live-1 和 GPT-6 Astra，把销售额提升了 60%，并节省 75+ 小时。依托这套模型组合，该公司得以更快地构建、运营和销售现代车队管理服务。
GitHub Blog · AI & MLAI 评分5656 GitHub Copilot app 入门：如何用 canvases 构建自定义工作流
GitHub Copilot app 可用 /create-canvas 把自然语言描述变成在右侧面板打开、与智能体共享的 canvas。提示要写清工作流、使用者能直接操作的内容，以及智能体能添加或更新的事项，界面可以是看板、议题分拣板、发布清单、仪表盘、表单或表格。
AWS Machine Learning BlogAI 评分2929 在 Amazon EKS 上借助 EFA 与 DeepEP 扩展 MoE 强化学习，吞吐量提升 40%
在 Amazon EKS 上结合 EFA 与 DeepEP 扩展 MoE 强化学习，吞吐量提升 40%。RLHF 与 GRPO 需同时平衡大规模 rollout 生成和紧耦合策略训练，两侧速率不匹配会让加速器空闲或引发训练不稳定。更稀疏的 MoE 使训练更受通信而非算力制约；作业超出单实例后，通信从节点内 NVLink 转到更低带宽的节点间链路。
AWS Machine Learning BlogAI 评分5353 NarrateAI：基于 Amazon Bedrock 的生产级 LLM 质量保障
NarrateAI 在 Amazon Bedrock 上实现五项协同的质量保障技术：自适应流水线编排、跨账户多模型故障转移、实时流式评估、复合评估框架与数据准确性验证。系统在约 13 秒内开始流式响应，数值准确率达 99.3%，六个月生产部署中无服务中断。
AWS Machine Learning BlogAI 评分3030 Datacor 如何用 Amazon Quick Sight 构建自助式租赁分析
Datacor 将 Amazon Quick Sight 嵌入 TrackAbout，用交互式仪表盘和自然语言搜索栏为工业气体与焊接分销商提供自助式租赁分析。TrackAbout 客户共管理 2750 万项资产、每月超 72.5 万张账单，此前取数需提交 SSRS 报表请求并等待数天甚至数周。
AWS Machine Learning BlogAI 评分5959 Amazon SageMaker HyperPod 与 Qumulo 跨Region训练教程
AWS博客演示如何用 SageMaker HyperPod 配合 Qumulo Cloud Native 与 Cloud Data Fabric 实现跨Region训练，数据保留在hub Region，spoke通过VPC peering和NeuralCache预热读取。
GitHub Blog · AI & ML精选AI 评分7575 GitHub Security Lab Taskflow Agent 实现自主模糊测试流水线
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，基于 GitHub Security Lab Taskflow Agent 框架。
推荐理由：原文给出了一个可自主运行的模糊测试流水线，读者可以据此理解 LLM 代理在安全自动化中的决策与执行分离设计。
Hugging Face Blog精选AI 评分6767 如何使用 NVIDIA Warp 和 MjWarp 加速机器人模拟和学习工作流
NVIDIA 博客介绍了如何将 MuJoCo 场景迁移到 MJWarp 以实现 GPU 加速。文章展示了从 SO-101 机械臂的 CPU 模拟到 2048 并行 GPU 环境的迁移步骤，包括模型上传、批处理状态复制、CUDA 图捕获和吞吐量测量。迁移后可实现单步从 CPU 世界到 GPU 批处理的并行推进。
推荐理由：NVIDIA 提供了从 MuJoCo 到 MJWarp 的迁移指南，展示了如何将单个机器人模拟扩展到 2048 个并行 GPU 环境，实现大规模采样。读者可据此在物理 AI 学习工作流中利用 GPU 加速。
AWS Machine Learning Blog精选AI 评分6060 HEMA 用 MCP 和 Amazon Bedrock AgentCore 构建内部 AI 助手 HAL
HEMA 搭建了内部 AI 助手 HAL，将分散的知识库、API 目录和流程文档整合为统一知识层，并通过 MCP 在 Kiro、Claude 等工具中提供即时答案。
推荐理由：原文给出了一家零售商从门户跳跃到即时答案的完整搭建路径，读者可据此理解 MCP 与 AgentCore 在企业知识层中的实际组合方式。
Simon WillisonAI 评分3131 Shadow roots, explained with live examples
summary_zh: 通过交互示例讲解 shadow DOM，涵盖样式封装、继承、插槽、parts 与 JavaScript 访问。展示 shadow roots 如何创建带有私有样式表的隔离 DOM 树，并与页面 DOM 以特定受控方式交互。
Together AI精选AI 评分6060 如何用约17美元训练自己的 Jev 分类模型
Together AI 发布教程，演示基于 Qwen3.5 4B 和 Hugging Face 多源数据集微调 Jev 类分类模型，训练成本约17美元，耗时约25分钟，并部署到 Together AI 专用端点。
推荐理由：原文给出了从数据准备到部署的完整流程，读者可以按此低成本复现一个专用分类模型。
IEEE Spectrum · AI精选AI 评分7878 Paper2Agent：将研究论文转化为可交互的 AI 智能体
Paper2Agent 是斯坦福 James Zou 团队开源的框架，能把学术论文及其代码、数据自动转化为可对话、可运行的 AI 智能体。测试覆盖统计、计量经济学和天体物理，计算生物学演示中，45 分钟、不到 15 美元在笔记本上为 AlphaGenome 生成 22 个工具，全部通过自动验证，并打包为 MCP 服务器接入 Claude Code。
推荐理由：原文展示了从论文自动生成可运行工具链的方法，读者可迁移该工作流到自己的研究数据中。
Weaviate Blog精选AI 评分7272 Engram 代理记忆实战指南
Weaviate 发布 Engram 托管记忆与上下文服务，演示如何通过主题描述、边界、作用域与检索模式控制代理记忆。原文给出从 raw 数据到记忆的流水线、主题描述决定记忆内容与形态、bounded 与 scope 的行为差异，以及四种提示词布局下的缓存与计费对比。
推荐理由：原文通过真实输出演示了四个配置决策如何改变代理的记忆行为，读者可依此调整自己的主题描述与提示词布局。
Nature · Machine Learning精选AI 评分7474 Co-Scientist 等 AI 共同科学家平台正改变研究流程
Google 开发的 Co-Scientist 通过多个自主智能体搜索文献、生成并筛选假设，帮助生物化学家 Anna Pertl 找到针对 MYC 蛋白的新策略。Frontier AI 实验室与初创公司也在推出类似平台，强调人类提问与判断仍不可替代。
推荐理由：展示了多智能体协作在科学假设生成中的实际工作流，读者可迁移其‘提问—修正—验证’方法到自身研究场景。
Google Research精选AI 评分6262 Google Research 推出生成式 UI 互动学习实验，教师可定制 STEM 教学模拟
Google Research 发布基于生成式 UI 的学习互动实验，教师可按课程目标生成定制化互动模拟，覆盖物理、化学、生物和数学中学内容。系统包含分层挑战、脚手架提示与自动校验循环，并已通过教师审核；使用 Google Workspace for Education 的学校可报名 Pilot Program 提供反馈。
推荐理由：教师可按教学目标生成互动模拟并获得分层提示与自动校验，为差异化教学提供了可迁移的方法路径。
Microsoft Semantic Kernel精选AI 评分6262 从专家代理到基于 MCP 的分布式技能：教程与实测对比
作者 Tommaso Stocchi 以滑雪度假村演示为例，对比 A2A 专家代理与基于 MCP 的分布式技能两种架构，并给出五步迁移流程。技能路径将专家指令移入编排器，由 SDK 直接加载 SKILL.md 并暴露 MCP 工具；实测显示技能路径模型调用更少（3 次 vs 6-7 次）、延迟更低，但总 token 数反而增加约 22%。
推荐理由：通过同一应用的 A2A 与 MCP 两种架构对比，给出可迁移的迁移步骤与实测延迟和 token 数据，帮助读者判断是否将专家代理改为分布式技能。
Together AIAI 评分4040 从闭源模型迁移到开源模型，Together AI 发布迁移指南
Together AI 发布从闭源迁移到开源模型（OSM）的策略指南，采用托管服务可将迁移时间从数月/年缩短至数周。指南建议通过定义用例、筛选相关基准（如 FrontierCode、LMArena、τ-bench 等）锁定候选模型，并基于每任务成本、token 消耗和延迟进行对比，最终用真实流量回放做准确性与性能评估。
IEEE Spectrum · AIAI 评分5858 对抗性时尚对抗监控规范
网络安全专家 Bill Swearingen 开发基于 YOLO 框架的对抗性图案，并在 DEF CON 展示，可降低多种目标检测模型的置信度。Cap_able 与 Urban Privacy 已推出实体服装，通过图案干扰计算机视觉系统，但专家指出其易受摄像头角度、动作识别和模型迭代影响。
GitHub Blog · AI & ML精选AI 评分6767 Marketing ops as code：用 GitHub Copilot 自动化从策划到跟进的活动流程
作者 Tomoko Tanaka 介绍如何将 GitHub Issues、Issue forms、Labels、GitHub Actions 与 Copilot agent skills 组合，把活动落地页生成、UTM 链接、邀请邮件、注册名单清洗、CRM 上传和报告等重复流程自动化。
推荐理由：作者以第一手经验展示如何用 GitHub Copilot 将重复营销流程自动化，读者可迁移该方法到自身有 API/CLI 入口的重复任务。
GitHub Blog · AI & MLAI 评分4848 GitHub Copilot App for Beginners: 使用 diff、终端和浏览器
GitHub Copilot App 内置 diff、terminal 和 browser 面板，让用户在同一界面内审查 AI 代码更改、运行命令并预览功能，无需切换编辑器、终端和浏览器。
Hugging Face Blog精选AI 评分6363 HF Jobs 上用 LoRA 实现异步 GRPO 训练：一个存储桶、一个代理、无需 NCCL
TRL v1.14 的 AsyncGRPOTrainer 新增 LoRA 适配器仅同步功能，结合 HF Jobs Storage Bucket 挂载，使训练与推理可运行在独立机器上，无需 NCCL。五次实验将 500 步训练从 3h27m 优化至 53min，通过 token 预算批处理和提升并发请求数将瓶颈从训练端转移到生成端。
推荐理由：通过LoRA适配器仅同步加存储桶挂载，训练与推理可部署在独立HF Jobs上无需NCCL，五次实验将500步训练从3小时27分压缩至53分钟。
Sebastian RaschkaAI 评分6767 GPT-6 Astra、循环变压器与隐藏推理
Sebastian Raschka 分享了对 GPT-6 Astra 的使用印象，指出其在 3D 渲染、动画、ARC-AGI-3（99.9%）等任务上表现突出，并探讨了循环变压器架构与隐藏推理链的传闻。
Together AI精选AI 评分6464 开源 AI 栈：模型、推理、网关与 Harness 的选型与组合指南
Together AI 发布开源 AI 栈指南，将栈分为模型、推理、网关与路由器、Harness、工具与上下文管理五层。推荐同时使用大模型（如 Kimi K3，1.8T 总参数）与小模型（如 GLM 5.3 Flash，320B 总参数）处理不同复杂度的任务，并可通过 OpenRouter、Vercel AI Gateway 或 LiteLLM 路由多提供商。
推荐理由：原文分层拆解开源 AI 栈各层组件与选型思路，开发者可按需组合模型、网关与工具。
IEEE Spectrum · AIAI 评分7272 AI 生成代码如何改变工程师的代码审查方式
AI 编程工具大幅增加代码量，但 96% 的开发者不信任 AI 输出，审查压力随之上升。Sonar 调查显示 AI 贡献了 42% 的新增代码，61% 的开发者认为 AI 代码不可靠，审查工作量增加 38%。
GitHub Blog · AI & MLAI 评分4848 GitHub Copilot app 新手指南：同时运行多个智能体
GitHub Copilot app 支持同时运行多个智能体，每个会话相互独立，并可各自基于独立的 Git worktree 并行执行、保留自身上下文。用户在 sessions view 中可通过卡片查看各会话标题与任务进度，自由切换且无需重新说明上下文。以 tailspin-toys
Hugging Face Blog精选AI 评分6767 用 TRL 和 OpenEnv 训练代码生成水彩画模型
作者用 TRL + OpenEnv 复现 Surya Narreddi 的水彩画训练流水线，全部工件开源并在 Hugging Face 上端到端运行。奖励函数由编译门、代码长度、Qwen3-VL 配对裁判和 HPSv3 美学偏好组成，三组奖励混合（judge-led / hps-led / hps-only）对比显示，裁判权重越高起始奖励越低但最终质量提升越明显。
推荐理由：原文给出了完整开源流水线和三次奖励对比，读者可据此复现并迁移到其他审美偏好数据集。
Hugging Face Blog精选AI 评分6969 用 GRPO 微调 350M 模型提升结构化输出表现
作者用 GRPO 和 TRL 对 LFM2.5-350M 进行约 100 步微调，在 IFStruct 基准上从 22.6% 提升到 29.7%。方案使用约 500 条样本、3 个奖励函数，并在免费 Colab 或 Kaggle GPU 上可运行，代码已开源。
推荐理由：原文给出了一套可在免费 GPU 上复现的小模型结构化输出微调方案，读者能直接迁移该奖励函数与数据增强思路。
Amazon Science精选AI 评分6060 Verus：Rust 自动化程序验证工具
Verus 是开源的 Rust 自动化程序验证工具，可在 Rust 源码中直接添加规约与证明，使用类 Rust 语法并由多种求解器自动 discharge 证明义务。
推荐理由：原文展示了 Verus 在 Rust 代码验证中的具体用法和自动化能力，读者可据此理解形式化验证工具如何嵌入现有开发流程。
Hugging Face Blog精选AI 评分6262 使用 Sentence Transformers 训练与微调多向量嵌入模型
Sentence Transformers v6.0 引入 MultiVectorEncoder，支持 ColBERT 风格的晚交互检索，并提供完整微调流程。
推荐理由：原文给出了一套完整的多向量模型微调流程与实测数据，读者可据此在单张消费级 GPU 上复现领域检索模型。
Hugging Face Blog精选AI 评分6767 Granite 4.2 推理模型构建方法解析
IBM Granite 4.2 推理模型家族（3B/8B/30B）采用分阶段强化学习流水线构建，支持思考/非思考切换与低思考预算模式。8B 与 30B 经过智能体 RL 训练，可在真实沙盒环境中进行代码编辑、终端操作与网页搜索，训练基于 NeMo-RL 与 NeMo-Gym，最终以 Apache 2.0 许可证开源。
推荐理由：详细展示了从可验证奖励到智能体环境交互的分阶段强化学习流水线，为构建具备工具调用能力的推理模型提供了可复现的训练框架。
Sebastian RaschkaAI 评分6262 Claude 文本水印机制详解
Sebastian Raschka 讲解了 Claude 文本水印的工作原理：水印在采样阶段通过密钥与锦标赛采样引入确定性，检测时无需重新运行模型，只需用相同密钥和函数对文本计分并设阈值。移除水印需编辑未知的水印位置，可能导致文本质量下降。
Hugging Face Blog精选AI 评分6262 Dharma AI：GPU管理实践——相同集群提升33个百分点利用率
Dharma AI发布约束感知GPU分配器，在七种基准场景中对比FIFO调度器，相同硬件与负载下GPU利用率提升最多33个百分点，优先级加权输出最多提升105%。该方法将实时推理视为需求曲线而非固定预留，按优先级跨整个调度 horizon 放置批量任务，并通过22维特征预测训练负载与周需求画像来支撑调度决策。
推荐理由：同一集群通过调整分配顺序而非更换硬件，实现了最高33个百分点的利用率提升，为企业GPU调度提供了可复用的约束感知方法。
Sebastian RaschkaAI 评分3636 从零构建 AI 文本检测器
summary_zh: 作者结合 Substack 新推出的 AI 检测器功能与本地 DIY LLM 项目，演示如何从零实现一个 AI 文本检测器，并将其用作验证器训练小语言模型生成可规避检测的文本。