uniopen 如何用 Amazon Nova 2 Lite 定制零售审核策略并部署到生产
uniopen 通过 Amazon SageMaker AI 对 Amazon Nova 2 Lite 进行监督微调，并做提示词层面的输出优化，使其适配自身零售审核策略。
#教程/实践
#教程/实践
今日 3 条AWS Machine Learning BlogAI 评分2222 AWS Machine Learning BlogAI 评分2828 如何在 AWS 上为 Claude Platform 配置多环境访问
针对 Claude Platform on AWS（CPonAWS），可通过专用 AI Services 账户实现三种推理访问方式：AWS 工作负载账户经跨账户 SigV4 调用、开发者笔记本使用工作区级 API key、外部环境经 OIDC 联邦获取短期凭证。该方案采用付款账户、AI Services 账户与工作负载账户的三账户结构，生产与开发流量通过独立工作区分隔，全程无需存储或轮换长期密钥。
OpenAI NewsAI 评分5050 GPT-6 家族模型选型指南
OpenAI 发布 GPT-6 家族模型指南，面向初创公司讲解如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具调用，并为生产环境准备 workflows。
AWS Machine Learning BlogAI 评分4040 用 Amazon Quick 和 Adjudicated Query 模式批量核查数千份租约合规性
AWS 提出 Adjudicated Query 设计模式，让业务用户在 Amazon Quick 聊天界面提问合规问题，实际判定交由确定性规则引擎完成，模型只负责把自然语言转为固定类型操作并复述结果。
AWS Machine Learning BlogAI 评分2828 用 Amazon Bedrock AgentCore 为 Claude Desktop 添加安全 Web Search
AWS 介绍如何通过 Amazon Bedrock AgentCore Gateway 为 Claude Desktop 接入 Web Search，弥补模型训练知识截止后的信息缺口。
AWS Machine Learning BlogAI 评分4949 在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体
在 Amazon SageMaker AI 上可用多轮强化学习（MTRL）微调搜索智能体，训练 Qwen3.6-27B 在 BM25 与向量检索工具间自主决策。MTRL 支持 PPO、CISPO、IS 损失与 GRPO 等优势估计器，采用无服务器按 token 计费，并可在 MLflow 中逐轮观测轨迹与奖励。
GitHub Blog · AI & MLAI 评分2222 AI 正在改变开发者工作，GitHub 给出三项需要强化的技能
GitHub 提出 AI 时代开发者应强化的三项技能：学会指挥 AI 智能体而非仅使用它、不轻信 AI 的首次答案、用 AI 省下的时间解决更大问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明它用第二个模型对计划、代码和测试进行批判性审查，从而发现首个模型遗漏的问题。
AWS Machine Learning BlogAI 评分3838 基于 Amazon Bedrock AgentCore 的智能体 AI 如何扩展云迁移
AWS Professional Services 用四个智能体（Intake、IaC、Migration Intelligence and Governance、SRE）在 Amazon Bedrock AgentCore 上构建云迁移方案，将每个应用的 IaC 开发时间从 3 到 4 周缩短至分钟级，该数据来自内部项目跟踪。
AWS Machine Learning BlogAI 评分3434 用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
NVIDIA NeMo Agent Toolkit（NAT）可通过自定义 memory provider 接入 Amazon S3 Vectors，作为多智能体系统的持久化记忆层，并部署在 Amazon EKS 上。
AWS Machine Learning BlogAI 评分3030 Amazon Payments 如何用 Amazon SageMaker AI 上的上下文多臂老虎机提升获客漏斗转化率
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）优化产品获客漏斗，七周线上 A/B 测试中，一个人群的最终漏斗转化率取得高个位数相对提升，另一个人群则未见改善。团队按申请开始、提交、审批三个阶段各跑一个 LinUCB 模型并线性组合其 UCB 分数，以缓解单阶段优化带来的跷跷板问题，同时开源了可在合成数据上验证该方法的代码仓库。
AWS Machine Learning BlogAI 评分3434 用 Amazon Bedrock AgentCore 构建环境智能体：从事件驱动信号到 human-in-the-loop 工作流
Amazon Bedrock AgentCore 支持构建响应事件流的环境智能体（ambient agent），文件落入 Amazon S3 后数秒内即可生成并运行任务，智能体分析文件、呈现结果，并在下一步前请求人工批准。
AWS Machine Learning BlogAI 评分2929 用 Amazon Bedrock Knowledge Bases 以自然语言查询理赔数据
Amazon Bedrock Knowledge Bases 可通过 AgenticRetrieveStream API 用自然语言查询理赔文档，支持多轮追问、按 claim ID 和 claim type 等元数据过滤检索，并返回带引用的答案。
AWS Machine Learning Blog精选AI 评分6262 在 Amazon Bedrock AgentCore Runtime Instances 上构建多智能体音乐制作流水线
AWS 官方博客介绍如何在 Amazon Bedrock AgentCore Runtime Instances 上部署三智能体音乐制作流水线，由作曲、交付、合规三个智能体在同一 GPU 实例的共享会话中协作产出可播放的 .wav。
推荐理由：原文给出可复现的三智能体音乐制作流水线代码与实测耗时，读者可据此迁移到其他长时 GPU 工作流。
AWS Machine Learning BlogAI 评分2222 Amazon Quick 提示词工程基础指南
Amazon Quick 的提示词工程决定其 AI 功能对自然语言请求的响应质量，核心原则包括以具体细节消除歧义、提供业务上下文、用示例代替描述。文章给出通用提示词框架 CRISPE，涵盖上下文与约束、角色与职责、意图与输入、步骤与范围等要素，适用于构建自定义智能体、自动化流程和对话式数据分析。
AWS Machine Learning BlogAI 评分2222 Amazon Quick 各组件提示词工程：模式与陷阱
AWS 详解 Amazon Quick 各组件的提示词工程实践：Quick Research 需明确目标、受众与范围并自行拆解子问题，还可限定 Quick Index。
AWS Machine Learning BlogAI 评分2828 用 Amazon Quick 和 Amazon Bedrock AgentCore 构建 AI 合同智能平台
基于 Amazon Quick 与 Amazon Bedrock AgentCore 的合同智能平台，用 AI 智能体从合同 PDF 中抽取 8 个关键字段并附置信度，再由 Claude Haiku 验证智能体独立复核，签名识别分歧时由 Amazon Textract 用计算机视觉做确定性裁决。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas 是一种用户与智能体共享的可定制界面，可做成看板、issue 分诊板、发布清单或仪表盘，且双向同步更新。用户无需写代码，在 agent 会话中输入 /create-canvas 并用自然语言描述工作流即可生成界面，随后可继续让智能体增删列、筛选器或拉取 open PR 来调整。
GitHub Blog · AI & MLAI 评分2222 GitHub Copilot 应用如何渲染超大 pull request
GitHub Copilot 应用重建了 pull request 视图，以应对超大 diff 与评论带来的渲染压力，并用一个含 2,200 个文件、超 100 万行改动、400 多条行内评论的开源 pull request 做了验证。其做法是把文档高度拆成确定性的代码几何与动态评论块两套几何：代码行高提前精确计算，评论高度则按块惰性测量并锚定到文件、行与侧，避免滚动跳变。
GitHub Blog · AI & ML精选AI 评分6767 GitHub 用 Copilot 把 Copilot 运行时迁移到 Rust
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产 Rust，代码主要由 AI 智能体编写，分布在 128 个合入 main 的 PR 中并逐步发布。
推荐理由：作者以亲历者身份给出把 80 万行运行时迁到 Rust 的完整数据，可看到智能体协作与人工把关的实际分工。
GitHub Blog · AI & MLAI 评分2626 GitHub 如何用 Copilot 把营销活动运营变成代码
GitHub 日本和韩国区营销负责人把活动运营流程交给 GitHub Copilot，用 GitHub Issue 表单、标签和 Actions 搭建自动化流水线，活动从单个 Issue 自动完成建站、UTM 链接生成、报名者筛选和会后清理。团队在仓库根目录放置 AGENTS.md 运行手册，Copilot 据此沿用命名规则、时区与邮件模板，流程改动以 pull request 方式评审合并。
GitHub Blog · AI & MLAI 评分3636 GitHub Copilot 应用新手指南：使用 diff、终端与浏览器面板
GitHub Copilot 应用内置 diff、终端和浏览器三个面板，让用户无需离开应用即可审查、运行并预览 AI 智能体生成的代码变更。
Hugging Face BlogAI 评分3434 用 LoRA 在 Hugging Face Jobs 上跑异步 GRPO：一个 Bucket、一个代理，不用 NCCL
TRL v1.14 的 AsyncGRPOTrainer 现已支持只训练并同步 LoRA adapter 到 vLLM，rank-1 adapter 仅几 MB，可通过挂载到各 Job 的 Storage Bucket 传输，无需 NCCL。
Mistral AI精选AI 评分6060 Mistral 用 AI 智能体迁移 4 万行 Fortran 77 遗留代码
Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 的油藏模拟器迁移到 C++，该代码库没有测试套件和集中文档。团队先搭建数值对齐校验框架，再用 Vibe CLI 启动上百个智能体解析调用树并生成文档，最终采用规划、编码、测试、审查加人工审核的分模块工作流。
推荐理由：Mistral 公开了用智能体迁移 4 万行 Fortran 77 的完整流程，读者可参考其数值对齐与人工审核节点的做法。
Hugging Face BlogAI 评分3434 用 100 步 GRPO 微调 LFM2.5-350M 提升结构化输出
一份公开教程用 TRL 的 GRPO 对 LFM2.5-350M 做约 500 样本、100 步的微调，在 IFStruct 基准上把通过率从 22.6% 提升到 29.7%。训练可在免费 Colab 或 Kaggle GPU 上完成，评测则通过 llama.cpp 在本地 MacBook 上运行，代码已开源在 GitHub。
Hugging Face BlogAI 评分3434 用 TRL 和 OpenEnv 训练编程模型画水彩
Hugging Face 用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型画水彩的想法，模型通过 p5.brush 写出约 150 行 JavaScript 来作画。
Hugging Face BlogAI 评分4646 Sentence Transformers v6.0 如何训练与微调多向量嵌入模型
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，支持 ColBERT 式后期交互检索，并提供完整训练方案。作者用单张 RTX 3090 训练 14.5 小时得到的 mLateOn-medical 模型，在平均 941 token 的医学检索评测上超过所有通用检索模型，截断文档最多损失 0.24 NDCG@10。
Hugging Face BlogAI 评分3434 Hugging Face Inference Endpoints、Jobs 与 Buckets 如何支撑 Papers with Code 搜索
Papers with Code 采用混合搜索系统，用 PostgreSQL 全文检索加 pgvector 向量召回，并通过 RRF 融合两路结果。
Hugging Face BlogAI 评分3232 Hugging Face 推出约束感知 GPU 分配器：同集群利用率最高提升 33 个百分点
Hugging Face 构建了一个约束感知的 GPU 分配器，在七个基准场景中与 FIFO 调度器对比，相同硬件和负载下 GPU 利用率最高提升 33 个百分点，优先级加权产出在每个场景均有提升，最高达 105%。
Hugging Face BlogAI 评分3434 用 Strands Agents、LeRobot 和 Hugging Face Storage Buckets 打通机器人数据的录制、训练与部署
AWS 开源 SDK Strands Robots（Apache 2.0）演示了一条流式数据闭环：用 Robot("so100") 录制 LeRobotDataset 并同步到 Hugging Face Storage Buckets。
Hugging Face BlogAI 评分4343 模型路由并不简单：从分类问题到系统优化问题
在 AppWorld Test Challenge 的 417 个任务上，同一 CodeAct 智能体下 Claude Sonnet 4.6 总成本 79 美元（0.19 美元/任务），GPT-4.1 却要 155 美元（0.37 美元/任务），尽管后者 token 单价更低——缓存命中率才是关键。
Hugging Face BlogAI 评分2828 PyTorch 性能分析（第三部分）：Attention 的 profile 全解析
Hugging Face 博客发布《Profiling in PyTorch》系列第三部分，用 NVIDIA A100-SXM4-80GB 对 attention 做 profile 分析。文章对比朴素 attention 与 in-place 版本，发现把 masked_fill 换成 masked_fill_ 后，每次前向传播可省去一个 Memcpy kernel。
Hugging Face BlogAI 评分2828 PRX Part 4：我们的数据策略
PRX 系列第 4 篇披露其数据策略：预训练数据由公开与内部数据集混合组成，用 VLM 重新生成图像长描述，再转为可流式训练的语料。团队用 Lance 做数据构建与筛选、MDS 做流式训练，并将文本编码器从 T5Gemma 换成 Qwen3-VL、改为训练时实时计算文本 latent，实测吞吐仅损失约 3–4%（30 天训练约多花 1 天）。
Hugging Face Blog精选AI 评分6262 用一条命令在 HF Jobs 上运行 vLLM 服务器
Hugging Face 发布教程，介绍用一条 hf jobs run 命令在 HF Jobs 上启动私有、OpenAI 兼容的 vLLM 端点，按秒计费，无需自行配置服务器或 Kubernetes。
推荐理由：原文给出从启动到查询、清理的完整命令链路，读者可据此在 HF 基础设施上自建 OpenAI 兼容端点。
Hugging Face Blog精选AI 评分6262 Hugging Face 如何用 AI 与开源工具每周发布 huggingface_hub
Hugging Face 将 huggingface_hub 的发版周期从每 4 到 6 周缩短到每周一次，整套流程跑在单个 GitHub Actions workflow 上，由 OpenCode 驱动开放权重模型（当前为 Z.ai 的 GLM-5.2）起草 release notes 和 Slack 公告。
推荐理由：Hugging Face 公开了每周发版的完整 CI 流程，其中模型起草加确定性校验的循环可直接迁移到其他项目。
Hugging Face BlogAI 评分3434 在 Transformers.js 中试验拟议的 Cross-Origin Storage API
Google Chrome 团队开发者关系工程师 Thomas Steiner 在 Hugging Face 博客中，试验了拟议的 Cross-Origin Storage（COS）API 如何解决 Transformers.js 的跨源缓存重复问题。
Hugging Face Blog精选AI 评分6262 如何用 Gemma 和 Qwen 本地模型免费分诊 OpenClaw 仓库
Hugging Face 博客介绍了用本地模型 Gemma 和 Qwen 在 agent harness 中对 OpenClaw 仓库的 issue 和 PR 做分类分诊的方案。
推荐理由：作者用本地模型加受限 shell 做 PR 分类，给出了可复用的 agentic classification 配方与实测对比数据。
Hugging Face BlogAI 评分4242 超越 LoRA：能否击败最流行的微调技术？
Hugging Face 在 PEFT 库中对比了 LoRA 之外的多种参数高效微调技术，并指出仅凭论文结果难以判断哪种技术最优。其统计显示，Hugging Face Hub 上提及单一 PEFT 技术的 20,834 个模型卡中有 20,509 个（98.4%）提到 LoRA，外部站点 10,000 个图像生成 checkpoint 中 7,111 个为 LoRA。
Hugging Face Blog精选AI 评分6262 用 Strands Agents 和 LeRobot 把 Hugging Face Hub 数据集接到机器人硬件
AWS 开源的 Strands Robots SDK（Apache 2.0）把 LeRobot 栈封装成 AgentTools，让一个 Strands 智能体在单次循环里完成仿真录制演示、推送 LeRobotDataset 到 Hub、跑策略、再以改一个关键字参数的方式部署到实体 SO-101，并通过 Zenoh 对等网格广播指令到多台机器人。
推荐理由：AWS 团队给出从 Hub 数据集到实体机器人的五步流程，可看到仿真与真机共用同一数据集格式的工程取舍。
Hugging Face BlogAI 评分2222 PyTorch 性能剖析（二）：从 nn.Linear 到融合 MLP
PyTorch 性能剖析系列第二部分用 nn.Linear（bias=True）替换手写的 matmul-add，并堆叠三层加激活构成 MLP，在 NVIDIA A100-SXM4-80GB 上分析 profiler trace。
Hugging Face Blog精选AI 评分6060 一个智能体如何串联两个 Hugging Face Space 搭建 3D 巴黎画廊
作者让编码智能体调用两个 Hugging Face Space，先由 ideogram-ai/ideogram4 生成六张巴黎地标图像，再由 VAST-AI/TripoSplat 从单图重建 3D Gaussian splat，最终拼装成可交互的静态 Space 画廊。
推荐理由：作者用一次真实搭建演示了如何让编码智能体串联两个 Space 完成图像到 3D 的流水线，方法可直接复用。