跳到正文
  1. AWS Machine Learning Blog66

    如何用 Crawl4AI 为 Amazon Bedrock Knowledge Bases 准备网页内容

    AWS 示例用 Crawl4AI 抓取授权网页,生成 Markdown 与元数据后由 Amazon Bedrock Knowledge Bases 摄取。Amazon EventBridge 按计划启动 AWS Fargate 任务,将文件上传至 Amazon S3,知识库再完成解析、分块、嵌入、索引和检索。

    推荐理由:文章梳理 Amazon Bedrock Web Crawler 与 Crawl4AI 两条路径,并给出从网页预处理到摄取和检索验证的完整实现。

  1. AWS Machine Learning Blog60

    Worldwide Express 如何利用 Amazon Bedrock 自动化货运账单异常处理

    Worldwide Express 与 AWS、LTM 构建了基于 Amazon Bedrock 的多智能体方案,自动分派并处理承运商账单异常。三个智能体分别处理发票匹配、定价差异和附加费验证,调用承运商知识库并通过 API 接入 TMS SpeedShip,早期保留人工审批。

    推荐理由:案例给出了多智能体接入业务系统、检索承运商规则并设置人工审批的落地路径,同时披露异常处理效率和财务收益。

  1. Hacker News71

    AI 智能体上下文工程现状:失败模式、治理工具与新型风险

    pchristensen 在 AGNTCon 演讲中梳理了上下文工程向 harness 工程的演进,并指出上下文组装正从概率性模型调用转向确定性代码。文章将问题归纳为上下文污染、分心、混乱、冲突四类传统失效,以及模型受训练环境影响而不遵从指令、上下文惯性两类新问题,并提出上下文增强、工具装载、隔离、剪枝、卸载和摘要六类治理手段。

    推荐理由:文章以失败模式和治理工具串联上下文工程演进,为智能体运行框架的设计与调试提供了一套可迁移的排查思路。

  1. AWS Machine Learning Blog66

    使用 Amazon Quick 在 HIPAA 适用环境中部署 AI

    Amazon Quick Web 版是 HIPAA-eligible 服务,AWS 的实践指南演示了在 AWS Artifact 签署 BAA,并通过 AWS Management Console 配置处理 PHI 的 AI 工作流。

    推荐理由:文章区分服务适用资格与整体合规,并拆解 PHI 的两条数据路径、共享责任和关键配置,形成可迁移的部署清单。

  1. AWS Machine Learning Blog35

    使用 Amazon Bedrock AgentCore 自动生成 PPT 演示文稿

    AWS 官方博客给出基于 Amazon Bedrock AgentCore 自动生成 PowerPoint 演示文稿的完整教程,附带 GitHub 代码仓库可直接部署。

    推荐理由:AWS 官方博客给出基于 AgentCore 的可复用架构与配套代码仓库,读者可以照搬到金融报告或销售提案等其他企业文档自动化场景。

  1. AWS Machine Learning Blog38

    Amazon Quick 与 Amazon Bedrock 重新设计企业 RAG 实时访问控制机制

    Amazon Quick 与 Amazon Bedrock Knowledge Bases 新增实时 ACL 校验,查询时直接调用 Google Drive 等数据源 API 核实权限,解决同步式 ACL 过滤造成的权限过期与映射遗漏风险。该方案采用两阶段架构:先经向量索引做语义检索与预过滤缩小候选集,再对候选文档实时校验,仅将授权内容传入大语言模型生成回答,从而在性能与安全性之间取得平衡。

    推荐理由:原文给出两阶段实时 ACL 校验架构,读者可对照自身 RAG 权限方案评估同步模式可能带来的访问过期风险。

  1. AWS Machine Learning Blog36

    在 Amazon SageMaker AI 上用多轮强化学习微调搜索 Agent

    AWS 团队在 Amazon SageMaker AI 上用多轮强化学习微调 Qwen3.6-27B 搜索 Agent,以 nDCG@10 作为轨迹级奖励。微调后 BrowseComp-Plus 的 nDCG@10 提升 23.7%、失败率从 22.89% 降至 0.68%,WixQA 与 Wands 也分别提升 18.4% 与 6%。

    推荐理由:给出在 Amazon SageMaker AI 上用多轮强化学习微调搜索 Agent 的方法、配置与结果,可作为多轮 Agent 训练的参考。

  1. Hacker News54

    历史学者用 Opus 5.5 在荷兰东印度档案中找到 1615 年捕猎渡渡鸟新记录

    历史学者 Ben Breen 用 Opus 5.5 检索 GLOBALISE 荷兰东印度公司档案,发现了一份 1615 年由 Isbrant Cornelisz van Petten 指挥的 Wapen van Amsterdam 号船舶日志,记载船员在毛里求斯「捕到大量陆龟、渡渡鸟(dodersen)和一些鹅与鹦鹉」,这段记录此前未被相关研究者注意。

    推荐理由:作者展示了用前沿模型检索历史档案并发现新证据的完整流程,读者可据此判断这套思路是否适合迁移到自己的研究领域。

  1. Hugging Face Blog67

    用 Sentence Transformers 训练与微调多向量嵌入模型

    Sentence Transformers v6.0 新增 MultiVectorEncoder 类型,配套教程展示 ColBERT 式多向量检索模型从预训练 checkpoint 微调的完整流程。

    推荐理由:给出在单卡消费级 GPU 上微调 ColBERT 式多向量检索模型的完整配方和实测对比,读者可据此复现并迁移到自己的领域。

已经到底了