跳到正文
  1. AWS Machine Learning Blog60

    Meta Muse Spark Open 模型上线 Amazon SageMaker JumpStart

    Meta 的编码优化开源权重模型 Muse Spark Open 正式在 Amazon SageMaker JumpStart 上线。该模型采用 MoE 架构,总参数量 816B,支持 100万 token 上下文,并包含文本、图像、文档、音频等多模态输入。

    推荐理由:提供在AWS账号内部署Meta编码模型的完整路径,用户可据此评估私有化部署的成本与数据安全边界。

  1. AWS Machine Learning Blog76

    基于 Amazon Bedrock 和 Grok 4.7 构建长程推理智能体

    AWS 发布教程,指导开发者利用 Grok 4.7 在 Amazon Bedrock 上构建并评估长程智能体。教程展示了在不同推理努力等级(low 到 xhigh)下,智能体执行复杂任务的表现与 Token 消耗对比,其中 xhigh 等级在 18 次运行中全部准确,而 low 等级用约 1/8 的 Token 实现了 15/18 的准确率。

    推荐理由:通过构建基于 Grok 4.7 的工具调用智能体并在三类任务上评测,量化了不同推理努力等级对准确性和 Token 消耗的影响。

  1. AWS Machine Learning Blog74

    使用 Anchor Browser 和 AgentCore payments 构建支持自主交易的 AI 智能体

    AWS 发布基于 Anchor Browser 和 Amazon Bedrock AgentCore payments 的解决方案,使 AI 智能体能够自动处理 x402 协议的 HTTP 402 支付挑战,访问付费网页和 API 并继续执行任务。

    推荐理由:文章展示如何通过配置 AgentCore payments 让 AI 智能体自动完成 x402 付费请求,无需在代码中集成支付逻辑。

  1. GitHub Blog · AI & ML60

    GitHub Security Lab 发布 AI 驱动的模糊测试 Taskflow 智能体

    GitHub Security Lab 推出 Fuzzing Taskflow 智能体,用于自动化 C/C++ 项目的模糊测试流程。该智能体基于 Taskflow Agent 框架构建,能够自主识别入口点、生成测试桩、运行 AFL++ 并进行崩溃分诊。默认使用 Claude Sonnet 5 模型,通过 MCP 工具实现决策与执行分离。

    推荐理由:文章展示了如何利用 LLM 智能体自动化模糊测试中的覆盖率分析与崩溃分诊,为 C/C++ 项目维护者提供了可复用的安全工程实践。

已经到底了