美团图灵团队公开 Agent 评测实践：从评测体系到长程 Agent 演进
美团图灵 Agent 评测团队将内部博客公开，由浅入深讲解 Agent 评测，涵盖评测是什么、如何建立评测体系，以及长程 Agent 框架带来的变化。文章提出观测加评测等于持续迭代的研发公式，主张评测需覆盖结果、过程、效率、风险四层，并给出把模糊指标下钻为二元化 Rubric、追求人人一致与人机一致的实践方法。
推荐理由：美团图灵团队公开两年 Agent 评测实践，给出从指标下钻到人机对齐的可迁移方法论与落地路径。
#教程/实践
美团技术团队精选AI 评分6262 美团技术团队AI 评分3232 美团搜索3.0：LLM 语义表征在排序模型的探索与应用
美团搜索团队将 LLM 语义表征引入服务零售精排，用 Query、POI、Deal 的语义向量 cosine 相似度分桶后注入排序模型，三期实践均已完成全量上线。
美团技术团队AI 评分3838 美团智播：数字人直播技术创新与实践
美团智播是面向本地生活场景的AI数字人直播解决方案，支持真人1:1复刻与门店实景定制，30秒生成直播素材、3分钟完成开播配置，7×24小时稳定上播。过去一年其月日均GTV同比增长82.12%，月日均观看人次同比增长163.44%，开播场次提升11倍。
美团技术团队AI 评分3838 美团技术团队《Agent 评测白皮书》系列01：Agent 评测全览
美团技术团队发布《Agent 评测白皮书》系列第一篇《评测全览》，提出完备的 Agent 评测体系可概括为四个模块、三种能力、两条 Loop、一套资产。两条 Loop 分别为评测体系迭代 Loop 与 Agent 迭代 Loop，二者共享线上真实样本，通过 Case 挖掘与归因相互咬合。四个模块中离线评测作为变更门控，依赖固定评测集与贴近生产的执行环境。
OpenAI NewsAI 评分3838 GPT-6 系列模型选型指南
OpenAI 发布 GPT-6 系列模型指南，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，并为生产环境准备相应工作流。
AWS Machine Learning BlogAI 评分3434 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 聊天界面提出合规问题，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问题翻译为固定类型操作并叙述结果。
AWS Machine Learning BlogAI 评分3434 用 Amazon Bedrock AgentCore 为 Claude Desktop 添加安全 Web Search
Amazon Bedrock AgentCore Gateway 可将 Claude Desktop 接入 Web Search，突破模型训练知识截止限制，查询流量全程留在 AWS 基础设施内，无需外部 API key。
AWS Machine Learning BlogAI 评分5151 在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体
AWS 团队在 Amazon SageMaker AI 上用多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，仅调整 max_epochs、global_batch_size、rollout_max_concurrency 三个超参数，其余走默认值。
GitHub Blog · AI & MLAI 评分2222 AI 正在改变开发者工作方式，GitHub 给出三项值得强化的技能
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 节省的时间去解决更大问题。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，以发现首个模型遗漏的问题。
AWS Machine Learning BlogAI 评分3434 在 Amazon Bedrock AgentCore 上用智能体 AI 扩展云迁移
AWS Professional Services 用四个智能体组成的模式，把每应用 3 到 4 周的 IaC 开发时间缩短到几分钟，该模式基于 Strands Agents SDK 构建、运行在 Amazon Bedrock AgentCore 上，通过 AgentCore Gateway 暴露的 MCP 工具连接源与目标。
AWS Machine Learning BlogAI 评分3636 用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
NVIDIA NeMo Agent Toolkit（NAT）可将 Amazon S3 Vectors 作为自定义持久记忆后端，实现语义检索、强写一致性和单索引最高 20 亿向量的弹性扩展。
AWS Machine Learning BlogAI 评分3333 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
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）做获客漏斗个性化，七周线上 A/B 测试中，一个人群最终漏斗转化率取得高个位数相对提升，另一人群则未见改善。
AWS Machine Learning BlogAI 评分4040 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"环境智能体"（ambient agent）：它监听 Amazon S3 事件通知、EventBridge 规则、Lambda 触发器等事件流并自动执行任务，需要时通过单个 ask_human 工具暂停等待人工审批，再从中断处恢复。
AWS Machine Learning BlogAI 评分2222 如何在 AWS 上为 Claude Platform 配置多环境访问
AWS 博客给出 Claude Platform on AWS（CPonAWS）多环境访问的完整配置方案，采用专用 AI Services 账户加工作负载账户的三账户结构。AWS 工作负载通过跨账户 SigV4 免密钥调用推理，开发者用绑定开发工作区的 API key，外部环境则通过 OIDC 联邦获取短期凭证。生产与开发流量以 workspace 隔离，共享同一订阅。
AWS Machine Learning BlogAI 评分2222 uniopen 如何用 Amazon Nova 2 Lite 定制零售审核策略并部署上线
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。
AWS Machine Learning BlogAI 评分3232 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并返回带引用的答案。
AWS Machine Learning BlogAI 评分5959 在 Amazon Bedrock AgentCore Runtime Instances 上构建多智能体音乐制作流水线
AWS 官方博客给出在 Amazon Bedrock AgentCore Runtime Instances 上部署三智能体音乐制作流水线的完整教程，三个智能体分别负责作曲、交付与合规审查，通过同一 runtimeSessionId 共置在一台 GPU 实例上共享文件系统协作。
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，适用于构建自定义智能体、编写自动化流程和对话式数据分析。文章提出核心原则：以具体细节消除歧义、用业务上下文校准输出、用示例代替描述，并给出适用于复杂请求的 CRISPE 结构化框架。
AWS Machine Learning BlogAI 评分2222 Amazon Quick 各组件提示词工程：模式与陷阱
AWS 博客按组件拆解 Amazon Quick 的提示词写法：Quick Research 需明确目标、受众与范围，并自行拆解子问题、限定数据源；Quick Flows 要写清时间、数据源与输出格式，复杂逻辑用编号步骤，并可通过对话迭代修改。Quick Sight 的查询则需包含业务问题、指标、维度与可视化偏好。
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 中提取字段并交叉验证，解决 RAG 无法跨数百份合同做聚合统计的问题。
AWS Machine Learning BlogAI 评分3434 Condé Nast 如何用 Amazon Bedrock 构建多模态视频检索
Condé Nast 与 AWS 生成式 AI 创新中心合作，基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频检索方案，并选用 TwelveLabs Marengo 嵌入模型联合编码画面、音频与转录文本。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 入门：如何用 canvases 构建自定义工作流
GitHub Copilot app 的 canvases 是一种可自定义界面，用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述工作流，agent 即可生成看板、清单或仪表盘等界面。
GitHub Blog · AI & MLAI 评分3636 GitHub Copilot 为什么说聊天框是错的 UI：用 canvas 构建自定义交互界面
GitHub Copilot 提出 canvas 概念：一种运行在 GitHub Copilot app 内、无浏览器外壳的全栈应用，可与 agent 双向通信，也能调用第三方 API 并在本地执行代码。
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，用一个含 2,200 个文件、超百万行改动和 400 多条行内评论的开源 PR 做压力测试。它把文档高度拆成确定性的代码几何与动态评论块两套体系，评论高度按需测量并锚定到文件、行和侧，避免滚动跳变。
GitHub Blog · AI & ML精选AI 评分7878 GitHub 用 Copilot 把 Copilot 运行时迁移到 Rust
GitHub 用 Copilot 应用和 CLI 把 Copilot 智能体运行时从 TypeScript 完全重写为超过 80 万行生产级 Rust，代码主要由 AI 智能体编写，分布在 128 个 PR 中增量合并，而非一次性切换。
推荐理由：一位工程师复盘用 Copilot 智能体把运行时从 TypeScript 迁到 Rust 的全过程，含并发会话协作与提示缓存数据。
OpenAI NewsAI 评分2222 OpenAI 如何将 AI 使用情况与业务价值挂钩
OpenAI 介绍如何通过 ChatGPT Work 和 Codex 的分析功能，帮助团队了解 AI 使用量与支出情况、识别培训需求，并将 AI 采用情况与业务成果关联起来。
GitHub Blog · AI & MLAI 评分2828 GitHub 如何用 Copilot 把营销活动变成代码：从策划到跟进全自动
GitHub 日韩市场负责人用 GitHub Copilot 把活动营销流程自动化：以 GitHub Issue 为工作单元，Issue forms 收集结构化字段，标签触发 GitHub Actions 工作流，自动完成落地页复制、UTM 链接生成、报名名单清洗与 CRM 导出。
OpenAI NewsAI 评分3232 OpenAI 如何将 Habitat 扩展为支撑 10 亿 ChatGPT 用户的在线存储平台
OpenAI 将 Habitat 从 Python 库演进为全球分布式存储平台，支撑超 10 亿 ChatGPT 用户、每秒 2200 万次请求。
GitHub Blog · AI & MLAI 评分3030 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 智能体生成的代码改动。diff 面板以绿色和红色高亮显示新增与删除行，支持接受改动、留言或让 Copilot 继续修改；终端面板可直接运行项目命令，浏览器面板则通过 Pick & Polish 工具选中页面元素并让智能体调整。
OpenAI NewsAI 评分2424 一位研究员如何用 Codex 和 ChatGPT 寻找新型抗菌分子
César de la Fuente 的实验室利用 Codex 和 ChatGPT，在现存与已灭绝生物的基因组中搜寻抗菌候选分子，以对抗耐药性感染。
Hugging Face BlogAI 评分4040 基于 Hugging Face Jobs 的 Async GRPO LoRA 训练：用 Bucket 和代理替代 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，可通过挂载在多个 HF Jobs 上的 Storage Bucket 传递，无需 NCCL。
Mistral AIAI 评分5151 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把 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也没有集中文档。团队先搭建数值对齐测试框架，用自定义解析器生成调用树并派出上百个智能体补文档，再以规划、编码、测试、审查加人工检查点的结构化流程逐模块迁移。Mistral 总结出三条经验：先建对齐测试再写迁移代码、先整理文档再交给智能体、结构化工作流加人工审查优于完全自主。
Hugging Face BlogAI 评分3434 用 TRL 和 OpenEnv 训练编程模型画水彩画
Hugging Face 博主用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型用 p5.brush 写 JavaScript 画水彩画的创意，参考图池、RL 环境、训练脚本和模型全部开源。
Hugging Face BlogAI 评分3636 用 100 步 GRPO 微调 LFM2.5-350M 提升结构化输出
一份公开的低成本方案用 TRL 的 GRPO 对 LFM2.5-350M 做微调，仅约 500 条样本、100 个训练步，在 IFStruct 基准上把通过率从 22.6% 提升到 29.7%。微调可在免费版 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 Blog精选AI 评分6262 用 Sentence Transformers 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，用于 ColBERT 式后期交互检索，并配套完整训练方案。
推荐理由：原文给出多向量检索模型的完整微调配方与实测对比，读者可据此判断自己领域是否值得自训。
OpenAI NewsAI 评分2222 loveholidays 如何用 OpenAI Codex 让人人都成为构建者
loveholidays 借助 OpenAI Codex 让公司各团队都能参与软件开发，把想法更快变成产品。该案例展示了 Codex 如何降低开发门槛，使非工程岗位也能动手构建。
Hugging Face Blog精选AI 评分6262 IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档，Apache 2.0 开源
IBM Granite 团队发布 Granite 4.2，这是其首个稠密 decoder-only 推理模型家族，包含 3B、8B、30B 三个规模，基于 Granite-4.1 基座后训练而来，全部以 Apache 2.0 许可开源。
推荐理由：原文完整披露了 Granite 4.2 的预训练、SFT 数据配比与多阶段 RL 细节，可据此了解推理模型在智能体环境中的训练路径。
Hugging Face Blog精选AI 评分6666 Gradio 推出 gr.Workflow，把 AI 流水线变成可拖拽画布与 REST API
Hugging Face 在 Gradio 中内置 gr.Workflow，把多步 AI 流水线描述为带类型端口的节点图，Gradio 直接提供可拖拽画布，每个节点可运行、每个中间结果可见。
推荐理由：Gradio 把多步 AI 流水线做成可拖拽的图，并自动暴露 REST 接口，读者可据此判断现有 Python 脚本的改造方式。
Hugging Face BlogAI 评分3232 Hugging Face Inference Endpoints、Jobs 与 Buckets 如何支撑 Papers with Code 的搜索
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 Blog精选AI 评分6060 Sentence Transformers v6.0 新增 MultiVectorEncoder 支持晚交互检索
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式晚交互检索，PyLate 与 Stanford-NLP ColBERT 检查点可直接加载，colpali-engine 的视觉文档检索模型也能通过同一套 API 使用。
推荐理由：Sentence Transformers v6.0 新增多向量编码器，读者可据此判断晚交互检索的接入方式与索引成本。