AWS 详解 Deep Insight 生产级 AI 智能体的四层上下文工程
AWS 以开源多智能体数据分析方案 Deep Insight 为参考实现，拆解生产级 AI 智能体的四层上下文工程：架构层用 Coordinator、Planner、Supervisor 与工具智能体各自独立上下文。
借鉴点
四层上下文工程可直接照搬，write_and_execute 工具把代码留在文件里省约 95% token，技能按需加载省约 97% 系统提示词，代价是要先搭多智能体分层和文件通信约定。
#开源/仓库
只收明天就能用得上的AWS Machine Learning Blog精选AI 评分7878
AWS Machine Learning Blog精选AI 评分5858 AWS 用 Crawl4AI 为 Amazon Bedrock Knowledge Bases 准备网页内容
AWS 发布教程，演示用开源 Python 爬虫 Crawl4AI 把网页抓取并整理成 Markdown 加 metadata sidecar 写入 S3，再由 Amazon Bedrock Knowledge Bases 的 S3 数据源完成解析、分块、嵌入和索引。
借鉴点能拿走一套 Crawl4AI 抓取加 S3 metadata sidecar 再触发 ingestion 的流水线，换掉自己写爬虫清洗网页的活；代价是 sidecar 限 10 KB、分块策略建库后改不了，失败不报警。
Mistral AI精选AI 评分7878 Mistral 开源 Mistral Large 4（Le Chonk）权重，1 万亿参数多模态模型
Mistral 发布 Mistral Large 4（Le Chonk）的开源权重，这是其 1 万亿参数原生多模态旗舰模型，此前已进入公开预览。
借鉴点能拿走的是三档推理模式与 token 效率取舍，以及 vLLM/SGLang 自托管部署路径；可落到本地模型部署和软件工厂，代价是 1 万亿参数对硬件要求高，商用 MaaS 还需另签许可。
Hugging Face Blog精选AI 评分5858 IBM 在 Hugging Face 发布 Granite Timeseries Ensemble 时序预测集成
IBM 在 Hugging Face 发布 Granite Timeseries Ensemble，用一个可扩展接口把四个预训练 Granite 时序模型组合起来，无需重训即可输出中位数和分位数预测。
借鉴点能直接 pip 装 granite-tsfm 调 from_pretrained 拿四个 Granite 模型的中位数和分位数预测，省掉挑单一模型；代价是首次运行要下载四个 checkpoint，推理时间和显存都涨。
AWS Machine Learning Blog精选AI 评分7272 AWS 团队详解 Deep Insight 多智能体系统的 5 个生产挑战与解法
AWS 解决方案架构团队开源了多智能体系统 Deep Insight，并逐条说明生产环境中的 5 个挑战及对应技术栈。
借鉴点能拿走 Strands Graph 定执行顺序、Agents-as-Tools 让 Supervisor 按需调子 agent、按角色配 Haiku/Opus/Sonnet 并选择性开 Prompt Caching，落到软件工厂的多 agent 编排；代价是要自建 Fargate 沙箱和 VPC 隔离。
NVIDIA Blog精选AI 评分5858 NVIDIA 发布 Nemotron 3.5、Kumo、Cosmos 3.5 等开源模型家族
NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物和量子计算，包括 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo RFD4-Proteina 和 Ising。
借鉴点能拿走的是 Nemotron 3.5 系列加 Kumo、Cosmos、Ising 的开源权重与 NIM 打包方式，可落到本地模型部署和 Agent 数据管线；代价是多数模型要自己用本地数据后训练，Bolt E4B 4GB 还要等到 10 月 23 日。
AWS Machine Learning Blog精选AI 评分5858 AWS 在 SageMaker HyperPod 上微调 GPT-OSS-20B 多语言推理，SFT 加 GRPO 把答案语言正确率提到 70%
AWS 在 Amazon SageMaker HyperPod 上用 LoRA 微调 GPT-OSS-20B，SFT 把推理语言正确率从 22% 提到 100%，再叠加 GRPO 把答案语言正确率从 62% 提到 70%。
借鉴点能拿走 SFT 与 GRPO 的分工判据和 LoRA r=8/α=16 配置，落到本地模型部署与训练流水线；前提是先测出 pass@k 与 pass@1 的差距，没有余量时 GRPO 白烧 GPU。
Hugging Face Blog精选AI 评分7474 ALTK-Evolve 用学习到的记忆让 GPT-4.1 客服智能体登顶 τ²-bench 零售榜
IBM Research 在 Hugging Face 博客介绍 ALTK-Evolve，它用 GPT-4.1 分析智能体在训练任务上的轨迹，把成功与失败蒸馏成简短行为规则追加到 system prompt，不更新模型权重。
借鉴点能从智能体自己的任务轨迹里自动提炼行为规则追加到 system prompt，不更新权重；代价是输入 token 涨 32%–65%，规则数量要按领域调。
Hugging Face Blog精选AI 评分6666 Reflection 发布 501B 开源 MoE 模型 Beam，支持 1M 上下文与编码智能体
美国新实验室 Reflection 在 Hugging Face 发布首个模型 Beam，501B 参数 MoE、每 token 激活 23B，支持 1M token 上下文，Apache 2.0 许可，主打编码与智能体场景。
借鉴点能拿走混合注意力与残差缩放的具体配比、vLLM/SGLang 启动参数和 LoRA SFT 配方，落到本地模型部署线；代价是 BF16 权重约 1TB，需 4 张 B200 或 8 张 H200 起步。
Hugging Face Blog精选AI 评分7272 IBM 发布 Granite Switch 4.1：单端点同时提供对话、决策与语音转写
IBM 发布 Granite Switch 4.1，8B 和 30B 两个版本在同一个托管端点上同时提供对话、通用与安全决策、语音转写能力。模型组合了新的通用决策 aLoRA、在安全决策任务上平均优于 Jev 1.13 等模型的 Guardian aLoRA，以及 OpenASR 榜首的 Granite-Speech-5.0-Turbo-CTC，整体显存占用约等于基座模型本身。
借鉴点把通用决策、安全决策和 ASR 三个 aLoRA 挂到同一基座、共享 KV cache，显存约等于基座本身；自组 Switch 模型需自己训 aLoRA，Adapter SDK 尚未放出。
Mistral AI精选AI 评分6464 Mistral 发布时序基础模型 Timestral，最大 209M 参数
Mistral 发布首个时序基础模型系列 Timestral，含 5M、28M、123M、209M 四个尺寸，最大模型以 209M 参数在 GIFT-Eval、TIME、fev-bench 三个公开基准的预训练零样本模型中排名第一，参数约为此前 SOTA 的三分之二。
借鉴点可借鉴的是合成数据优先加两阶段训练配方，以及把协变量按目标、仅历史、已知未来分角色做注意力掩码；前提是自建时序预测管线，代价是需自造合成数据并调 21 分位 pinball loss。
Hugging Face Blog精选AI 评分7373 瑞士 Apertus 1.5 发布 8B 与 70B 开源多模态模型
Apertus 1.5 在 Apertus 1.0 的 8B 和 70B 基础上加入图像与音频理解、可选思考模式、4 倍长上下文（262,144 tokens）、更好的指令遵循与工具调用，权重于 2026 年 7 月 24 日以 Apache 2.0 协议发布在 Hugging Face。
借鉴点可借鉴早期融合做法，图像音频经 tokenizer 变成离散 token 与文本同序列，架构不变、训练按纯文本速度跑；代价是只扩词表、模型只输出文本，音频理解仍是实验性。
Hugging Face Blog精选AI 评分7878 Black Forest Labs FLUX.3 Image Klein 发布，Diffusers 首日支持布局控制
Black Forest Labs 发布 FLUX.3 Image Klein，一个模型同时支持文生图、多参考图生图和新增的布局控制，Diffusers 首日即可运行。
借鉴点可拿走 bbox 布局控制写法（[y_min,x_min,y_max,x_max] 0–1000 归一化）和 src_bbox/tgt_bbox 局部搬移，落到视频产线与图像编辑；代价是参考图让耗时翻倍、显存约 24GiB。
Amazon Science精选AI 评分8282 AWS 提出 Priming 方法，用预训练 Transformer 权重改造混合架构，预训练成本降低 99% 以上
AWS 团队提出 Priming 方法，把预训练 Transformer 的权重作为混合架构的初始化，将混合架构的预训练成本降低 99% 以上，整个流程消耗不到源模型预训练 token 预算的 0.5%。
借鉴点用预训练 Transformer 权重初始化混合架构，把预训练成本压到 0.5% 以下，可低成本对比 GKA、GDN、Mamba-2 与 SWA 的层替换方案；代价是仍需短蒸馏和端到端微调，且层选择依赖 SWA 替换代理实验。
Microsoft Research精选AI 评分7474 微软亚洲研究院开源 Agent Lightning v1.0，3500 行代码实现 Harnessed Agentic RL
微软亚洲研究院开源 Agent Lightning v1.0，用约 3500 行代码实现 Harnessed Agentic RL，让部署时使用的 agent harness 直接参与强化学习训练，无需在训练框架内重写 agent。
借鉴点把部署用的 harness 直接接进 RL 训练，只需把模型端点指向 LLM proxy，省去在训练框架里重写 agent；代价是重分词、样本合并与优势/损失归一化要按 rollout 级处理。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 EmbeddingGemma 2 端侧多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一个把文本、代码、图像、视频和音频映射到统一嵌入空间的端侧多模态嵌入模型，采用 Apache 2.0 许可，参数量 740M。
借鉴点可把本地 RAG 的检索层换成单一多模态嵌入模型，文本 270M、视觉 170M、音频 300M 按需加载，MRL 截到 128 维省 6 倍存储；代价是需自行接 LiteRT 或 transformers.js 部署。
Berkeley AI Research精选AI 评分6060 K-Search 扩展 MLX 后端，把 CUDA 内核经验迁移到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 在 K-Search 上新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，让演化式内核搜索以现有 CUDA 内核为知识库生成 Apple Silicon 内核。
借鉴点可拿走 CUDA 到 MLX 的概念映射表、exp2 技巧和并行 scan 改写，落到本地模型部署；前提是自备 LLM API key 并接受搜索迭代成本。
已经到底了