用 Amazon Nova Multimodal Embeddings 和 Amazon Bedrock AgentCore 构建智能体工程助手
AWS 机器学习博客演示如何用 Amazon Bedrock AgentCore、Amazon Nova Multimodal Embeddings 和开源 Strands Agents SDK 构建多智能体工程助手,自动化航天零件替代评估中的交叉引用工作。
AWS 机器学习博客演示如何用 Amazon Bedrock AgentCore、Amazon Nova Multimodal Embeddings 和开源 Strands Agents SDK 构建多智能体工程助手,自动化航天零件替代评估中的交叉引用工作。
AWS 博客以开源多智能体数据分析方案 Deep Insight 为参照实现,讲解生产级 AI 智能体的四层上下文工程:架构层隔离、提示词层控制输出、文件系统外置上下文、验证智能体与安全网兜底。
Hugging Face 开源 transformers-mic,提出模型集成契约(MIC)标准,包含缩小的 fixture 模型、可运行的用法路径和人工审定的基线输出三部分,用于在 PR 阶段用廉价 CPU 抢先发现回归。
AWS 机器学习博客发布教程,讲解用序列级知识蒸馏 SeqKD 在 Amazon SageMaker AI 上把购物智能体蒸馏进小模型,只需教师模型的文本输出,无需访问权重或 logits。
一位 NVIDIA 员工用 Nemotron 3 ASR、Nemotron 3.5 Bolt E4B 4GB、Magpie TTS Zeroshot 和 Audio2Face-3D,在配备两块 RTX PRO Blackwell GPU 的单工作站上搭建了万圣节互动装置 MonsterHouse,一扇会听会说、脾气暴躁但听到 Please 就心软的车库门。
教程演示如何把 GitHub Copilot app 中的会话直接在 VS Code 中打开并继续:对话记录、代码改动和 worktree 工作树完整保留,可逐行审查 diff、手动编辑并用集成终端本地运行测试。完成后再通过 git commit 和 push 把更新推送到与会话关联的 pull request,全程无需在新编辑器中重建任务上下文。
GitHub 介绍了驱动其密钥扫描的上下文感知分类器:用两阶段管线(正则候选生成 + 微调 ModernBERT 分类)替代原 LLM 管线,区分真实凭证与占位符等“难负例”。相比原方案,用户接受度提升 11.5%,post-push 扫描中位执行时间降低 86%,服务成本降低逾 98%,并使通用密钥检测得以扩展到 push protection。
GitHub Copilot 应用中的 canvases(画布扩展)是用户与智能体共享的可定制双向界面,可用作看板、问题分流板、发布清单或仪表盘。用户在智能体会话中输入 /create-canvas 并用自然语言描述需求,智能体即可自动生成界面并显示在右侧面板,后续可继续添加列、筛选器或拉取未合并的 pull request 进行调整。