在 Amazon Bedrock AgentCore Runtime Instances 上构建多智能体音乐制作流水线
AWS Machine Learning Blog 演示在 Amazon Bedrock AgentCore Runtime Instances 上部署三智能体音乐制作流水线，三个智能体在同一 GPU 实例和共享会话中生成、交付并筛查 .wav 曲目。
推荐理由：文章把共享会话、GPU 实例和持久卷串成完整样例，便于迁移到长任务多智能体流水线设计。
#教程/实践
#教程/实践
今日 2 条AWS Machine Learning Blog精选AI 评分7474 AWS Machine Learning BlogAI 评分5757 用 Amazon Bedrock Knowledge Bases 自然语言查询理赔记录
Amazon Bedrock Knowledge Bases 在教程中被用于构建保险理赔助手，支持自然语言查询理赔文件并返回带引用答案。流程使用 Amazon S3 中的合成理赔文档和 .metadata.json，调用 AgenticRetrieveStream 处理多轮问题、子查询、metadata filters 和 streamed citations。
AWS Machine Learning BlogAI 评分4545 Amazon Quick 提示词工程基础
Amazon Quick 的提示词工程通过更具体的需求、业务上下文和示例，提升其 AI 功能对自然语言请求的准确性和可靠性。这是两部分系列的 Part 1，聚焦适用于各 Quick 组件的通用原则和可复用框架，包括 CRISPE。Part 2 将讨论 Research、Flows、Sight、Chat Agents 和 Action Integrations 的组件特定技巧。
AWS Machine Learning BlogAI 评分5454 Amazon Quick 各组件提示词工程的模式与常见陷阱
AWS Machine Learning Blog 介绍了 Amazon Quick 各组件的提示词工程方法，覆盖 Quick Research、Quick Flows、Quick Sight、聊天智能体和 action integrations。
AWS Machine Learning Blog精选AI 评分6262 AWS 讲解用 Amazon Quick 和 Amazon Bedrock AgentCore 构建合同智能平台
AWS Machine Learning Blog 介绍了一个用 Amazon Quick 和 Amazon Bedrock AgentCore 构建的合同智能平台，将合同 PDF 转为结构化、可查询的数据。
推荐理由：通过合同场景展示RAG与结构化抽取的分工，可迁移到需要跨文档汇总的企业知识应用。
AWS Machine Learning BlogAI 评分5656 Condé Nast 如何用 Amazon Bedrock 构建多模态视频发现系统
Condé Nast 与 AWS Generative AI Innovation Center 基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建了多模态视频发现方案，用意图式语义搜索替代仅依赖元数据的检索。
AWS Machine Learning BlogAI 评分5555 在 SageMaker AI 上用 vLLM-Omni 构建实时语音应用 Part 1
AWS 教程演示在 Amazon SageMaker AI 上部署 Qwen3-TTS，通过 AWS vLLM-Omni DLC 实现文本输入和音频输出的实时流式语音应用。
NVIDIA BlogAI 评分5353 NVIDIA 解析 AI 安全在 Agent stack 各层的工程做法
NVIDIA 认为 AI 安全是工程问题，需要明确安全要求、可执行控制、责任 owner，并提供保护措施有效的证据。文章将 Agent stack 分为模型、harness 和运行时环境，强调每层都要有安全责任，运行环境应在文件、网络目标和进程上设置独立于 agent 推理的边界。
MIT Technology Review · AIAI 评分5858 MIT Technology Review 如何绘制美国边境“虚拟墙”附近死亡事件综合地图
MIT Technology Review 说明其如何用 15 个月调查绘制美国墨西哥边境“虚拟墙”附近死亡事件地图。团队查阅数千页政府文件、多次走访边境并采访 45 多人，分析自 2015 年以来近 4,000 起案件及监控塔位置、类型和安装时间。
GitHub Blog · AI & MLAI 评分5757 GitHub Copilot app 入门：同时运行多个智能体
GitHub Copilot app 可以在同一项目中同时运行多个独立的智能体会话，并通过 sessions view 管理进度。每个会话可运行在自己的 Git worktree 中，保留各自上下文，切换时不需要重新解释任务。文章用 tailspin-toys 示例演示同时添加 funded sort、做 accessibility review 和运行测试，并建议先尝试并行启动两个小任务。
Hugging Face Blog精选AI 评分6565 用 100 个 GRPO 步骤微调 LFM2.5-350M，提升结构化输出表现
Hugging Face Blog 用 TRL 和 GRPO 微调 LFM2.5-350M，在 IFStruct 上把通过率从 22.6% 提升到 29.7%。
推荐理由：原文把训练数据改造、奖励函数和本地评测命令连在一起，便于复现实验并迁移到结构化输出任务。
Hugging Face Blog精选AI 评分7272 用 TRL 和 OpenEnv 训练编码模型绘制水彩画
作者用 TRL 和 OpenEnv 复现了让编码模型写 JavaScript 绘制水彩画的训练流程，并公开了参考池数据集、RL 环境、训练脚本和训练模型。流程让模型通过 p5.brush 生成约 150 行 JavaScript，用 gate、长度、pairwise judge 和 HPSv3 组成奖励，其中参考池包含 178 幅由作者手工评级的模型生成画作。
推荐理由：文章把审美奖励训练拆成数据池、环境、评审模型和成本，适合作为复现同类实验的工程参考。
Hugging Face Blog精选AI 评分7575 Sentence Transformers v6.0 引入 MultiVectorEncoder，并讲解多向量嵌入模型训练微调
Sentence Transformers v6.0 引入第四种模型类型 MultiVectorEncoder，用于 ColBERT-style late interaction retrieval，并给出完整训练方法。
推荐理由：文章把训练脚本、评测对比和索引压缩放在同一流程中，便于迁移到垂直领域检索场景。
Hugging Face Blog精选AI 评分6464 Hugging Face 解析 Inference Endpoints、Jobs 和 Buckets 如何支撑 Papers with Code 搜索
Hugging Face 解释了 Papers with Code 搜索如何由 Inference Endpoints、Jobs 和 Buckets 支撑，采用离线语料构建和在线混合搜索分离的架构。
推荐理由：文章把离线向量构建、在线查询嵌入和全文检索降级拆开，提供了搜索系统的工程取舍参考。
Hugging Face Blog精选AI 评分6464 用 Strands Agents、LeRobot 和 Hugging Face Storage Buckets 录制、训练并部署机器人策略
Hugging Face Blog 介绍了 Strands Robots 中的流式数据闭环，用一个 agent 循环录制机器人演示、把 LeRobotDataset 同步到 Storage Bucket、从 Hub 流式读取训练，并将 checkpoint 部署回硬件。
推荐理由：文章把录制、同步、流式训练和部署串成同一流程，便于复用到机器人数据采集闭环。
Mistral AI精选AI 评分6868 Mistral AI 介绍用 Vibe 构建自动编写 Rails RSpec 测试的 Agent
Mistral AI 构建了一个自动为 Rails 单体应用生成或改进 RSpec 测试的 Agent，可读取源码、验证风格和覆盖率，并在 CI/CD 管道中无人干预运行。
推荐理由：文章拆解了上下文文件、技能分流和验证工具的组合方式，可迁移到代码测试类 Agent 的工程设计。