用 Amazon Bedrock AgentCore 构建 AI 智能体生产级评估框架
AWS 的 Sales, Marketing, and Global Services（SMGS）Operations 团队基于 Amazon Bedrock AgentCore Evaluations 搭建了面向全球 AWS 现场销售的多智能体系统的持续质量评估框架。
#数据/训练
AWS Machine Learning BlogAI 评分3838
Google DeepMind精选AI 评分6262 Google DeepMind 用 Google Antigravity 加速抗菌肽发现
Google DeepMind 介绍其智能体开发平台 Google Antigravity 如何用于抗菌肽发现，把原本分散在多个数据库的检索压缩到一次会话中。平台借助 ProtNLM 模型从氨基酸序列预测生物功能，扫描 UniProt 中数百万条此前未表征的蛋白质，并找到一条对呼吸道感染相关病原体有预测活性的新型抗菌肽候选，目前正进行湿实验验证。
推荐理由：原文给出智能体科研工作台与 3D 结构查看器的协作方式，读者可据此判断生物发现流程如何被压缩进单次会话。
Microsoft ResearchAI 评分3939 微软 StudentSim：用个性化学生模拟器评估和改进 AI 辅导系统
微软研究院提出 StudentSim，一个从公开去标识化学习记录训练个性化 AI 学生模拟器的研究系统，用于在真实学习者测试前评估和改进 AI 辅导工具。该系统同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学，从行为保真度与指导响应性两个维度评估模拟器，并优于领先基线。StudentSim 并非产品，不部署于课堂，也不旨在取代教师。
AWS Machine Learning BlogAI 评分2222 Amazon Bedrock、AgentCore 与 Strands 9 月更新盘点：GPT-6 Astra、Claude 5.5、Kimi K3 等新模型上线
Amazon Bedrock 9 月新增 OpenAI 的 GPT-6 Astra、Sol、Luna 系列模型，其中 GPT-6 Astra 支持最高 100 万输入 token，Ultrafast 版本推理速度最高提升 6 倍、达 300 tokens/秒。
AWS Machine Learning BlogAI 评分2222 用 Amazon SageMaker HyperPod 实现跨团队 GPU 集群隔离与公平共享
Amazon SageMaker HyperPod 发布多租户参考架构，让多个团队共享同一套 EKS GPU 集群。
Microsoft Research精选AI 评分6666 微软研究院开源 Agent Lightning v1.0：3500 行轻量级智能体 RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量级智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的同一 agent harness 直接参与训练，无需在训练框架内重新实现智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，给出真实 harness 参与 RL 训练的思路与 3500 行代码实现，可迁移到自有智能体训练流程。
OpenAI NewsAI 评分5555 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 证明形式化与研究细节。
Microsoft ResearchAI 评分3636 微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站
微软研究院实习生开发了一套端到端机器学习流水线，结合太阳风观测、AE 与 Dst 指数预报、地质电导率和电网数据，为美国本土 66,935 座变电站生成 30-60 分钟前的局地空间天气风险估计。
Google DeepMind精选AI 评分6060 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入可验证水印
Google DeepMind 发布 SynthID Bio，将水印技术引入合成生物学，把不可感知的签名直接嵌入生物代码，使水印不仅能在数字模型上验证，也能在合成出的实体蛋白质上验证，同时保持其生物功能。
推荐理由：SynthID 水印从图像扩展到合成生物，读者可了解 AI 生成蛋白质的可验证溯源思路与落地边界。
Microsoft Research精选AI 评分6666 微软研究院推出 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨模态生物世界模型和连接科学工具、文献、湿实验与研究者的交互式 harness 组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，从数千个化合物中筛选出可驱动肿瘤细胞状态转变的候选物，最高排名化合物在湿实验中产生了最大的预期状态转变，整个筛选到验证过程仅用一个周末。
推荐理由：微软研究院公开 Quine 的生物世界模型与实验闭环，并给出胰腺癌化合物筛选的湿实验验证结果。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要隔离为自然语言"信念状态"并对其内容进行监督评分，以替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，基于重构的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也显著低于全上下文。
Berkeley AI ResearchAI 评分3434 智能免费之后怎么办？面向智能体的数据系统
UC Berkeley 团队提出，GPT-4 级能力从 2023 年初的约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，推理价格年降幅在 9x 到 900x 之间、中位数约 50x。近乎免费的推理成本带来三类数据系统挑战：为智能体服务、由智能体运行、由智能体合成，其中智能体推测式查询会产生 80-90% 的重复子查询。
Berkeley AI ResearchAI 评分3434 伯克利提出信息驱动成像系统设计框架，可跨四类成像域预测性能
伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架，仅用含噪测量和噪声模型即可量化测量所含信息量，无需任务专用解码器。在 NeurIPS 2025 论文中，该指标在彩色摄影、射电天文、无透镜成像和显微镜四个成像域中预测了解码器性能，优化后的设计达到 SOTA 端到端方法水平，同时占用更少内存和算力。