Cornerstone OnDemand 如何利用 Amazon Bedrock 将数据库诊断时间缩短 78%
summary_zh: Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建多智能体系统 Orion AI,将数据库诊断时间从 45 分钟缩短至 10 分钟,降幅达 78%。
summary_zh: Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建多智能体系统 Orion AI,将数据库诊断时间从 45 分钟缩短至 10 分钟,降幅达 78%。
AWS 演示如何利用 AWS Lambda Durable Functions 与 Amazon Bedrock 构建自动修复工作流,在 AWS DevOps Agent 完成调查后生成预验证修复方案。
Redpine Science 提供模型访问同行评审文献的通道。在 ScholarQABench SciFact 上,接入该工具的 Agent 回答正确率为 94.4%,无检索时仅为 87.6%。 专家验证问题集中,其表现优于网络搜索;检索基准 Recall@10 达 83.1%,Precision@5 为 75.2%。 研究公开了专家验证问题集及复现结果的全部指令。
通过 Model Context Protocol (MCP) 逐步交付 SOP 而非一次性注入 Prompt,LLM 执行的流程可预测性显著提升。 在 15,475 次试验中,该机制使所有执行器的流程依从率升至 95-99%,未执行 SOP 的幻觉答案降至 0.2-0.3%。 轻量级模型 Kimi K2.5 的准确率提升 6.5pp,且生成机器可读日志支持逐步审计。
提出 Turnslide 框架,将 API 建模为有限状态机,单次 LLM 调用生成完整多轮示例。 微调后模型在多轮工具调用任务中达到 70.7% 完整准确率,优于现有方法的 63.4% 和 53.7%,且 token 用量减少 3.6-6.6 倍。 该方法被 NeurIPS 2026 SLM-Agents Workshop 接收,显著提升了小语言模型在私有基础设施上的多轮工具调用能力。
8-bit 与 4-bit 量化的 Llama-3.1-8B-Instruct 和 Qwen2.5-7B-Instruct 在 20 个确定性工具任务及 5 个提示词下的故障恢复差异方向取决于具体提示、任务筛选和评分策略。
SchemaFill 框架利用槽位并行推测解码提升 LLM 工具调用效率,在 Glaive 和 BFCL 基准上实现高达 4.05 倍端到端吞吐量提升。 该框架无需预知实际调用序列,将跨字段和跨调用的候选值拼接后由目标模型验证,仅提交已验证 token,并由目标模型修正分歧。
OpenAI 与 Ironclad 通过训练和评估 AI 智能体处理复杂合同流程,以推动专业工作中的计算机使用能力。 该项目重点在于解决专业垂直领域的工作流挑战,展示了 AI 在高风险、高复杂度文档管理中的实际落地路径。
基于 Amazon Bedrock AgentCore 构建实时语音旅行管家,集成 Nova 2.5 Sonic 实现语音交互,通过托管知识库回答政策问题。 使用 Strands Agents 框架构建智能体,经 MCP 协议连接 AgentCore Gateway 调用后端服务,支持坐席变更与实时转接人工。
该研究提出一种结合 LLM 智能体与 NAMD3/CHARMM 的自动化分子动力学模拟管线。 框架在蛋白质-DNA、膜系统、配体结合等五类生物分子体系中验证了可行性,能复现已有基准指标。
一篇论文对 MCP 分层提示词注入防御 CASCADE 的评估做了记录级审计,发现其检测数据高度依赖决策约定与语料构造方式。
COPEX 基准测试揭示了 LLM 在 MCP 系统中平均 64.4% 的对抗攻击成功率。 测试涵盖 25 种攻击类型、125 个场景及 9 个模型,共 3375 次试验。 输入与上下文扫描可将防御子集的平均攻击成功率降低 49.6%。
研究人员发布 350 项任务基准 SkillScriptBench,系统评估 LLM 智能体可执行技能包在文档修复、脚本修复及行为保持方面的自我进化能力。 该基准从 3.5 万 GitHub 仓库中筛选 100 个技能包构建任务,并引入 AST-Guided Skill Revision 方法,利用抽象语法树将维护需求关联到代码位置,在故障包上使修复成功率绝对提升 21.9% 至 27.7%。
OpenAI 为满足 EU AI Act 要求,将在数周内在 EU 对 ChatGPT 和 Codex 中符合条件的文本启用水印,现有工具可验证图像或音频是否由 OpenAI 模型生成,API 用户今日即可在全球范围开启部分模型的文本水印功能。
Amazon SageMaker AI 推出 aws-ai-ml 技能,通过 Agent Toolkit 支持编码代理进行推理优化。该技能兼容 Kiro、Claude Code 和 Codex,能生成可执行的 SageMaker Python SDK v3 代码。用户只需描述意图,代理即可自动完成端点基准测试、推荐部署配置及比较性能表现。
Amazon Bedrock AgentCore Evaluations 提供完全托管能力,通过内置与自定义评估器量化多智能体系统的准确性、任务成功率及可解释性。 方案结合 Amazon Bedrock Guardrails 在执行期强制安全约束,支持按需开发与在线生产监控模式,实现从响应质量到业务逻辑的有效验证。
AWS 分享了自动化 Amazon Quick 企业级跨账户资源迁移的方案。方案基于 Amazon Bedrock AgentCore 构建幂等且可审计的 MCP 服务器,通过调用 Amazon Quick API 将 chat agents、action connectors、knowledge bases 和 spaces 从开发账户完整迁移至生产环境。
该博士论文提出 R_stab(f) 生成鲁棒性指标及 ASA 自适应进化黑盒攻击,ASA 攻击成功率达 73.8%。 针对 LLM-as-a-Judge 系统,5-7 个异构模型委员会将 Gemma-3-4B 的攻击成功率降低 47-55 个百分点至 19.3%。 该方法已集成至 JudgeGuard 和 TrojanArmor 软件套件及 MCPSec 模块中。
LPS-Bench 是一个包含 570 个用例的基准测试集,用于评估电脑使用智能体在长程规划中的安全意识。该基准涵盖 7 个任务领域和 9 种规划风险类型,通过 LLM 评估器对 13 个 LLM 智能体进行测试。评测结果显示这些智能体在良性和对抗场景下均存在持续的安全失败,且提示词干预的效果具有模型依赖性。
研究利用小型语言模型(SLM)对智能体工具调用进行逐次意图相关性验证,解决传统授权机制无法评估认知一致性的问题。 作者构建了跨多个 Model Context Protocol(MCP)服务器的多工具任务数据集,并通过提示优化、监督微调及 GRPO 强化学习对 SLM 进行专业化,使其作为任务-工具相关性分类器输出信号以供下游执行。
GPT-6 模型族发布选型与调优指南。指南涵盖模型选择、推理努力度(reasoning effort)调整、提示词与技能(skills)优化、工具协调及生产工作流准备。该指南旨在帮助初创企业合理配置 GPT-6 能力以优化实际应用场景。
AWS 发布 Adjudicated Query 设计模式及参考架构,用 Amazon Quick 对话层连接确定性规则引擎,可完成数万份租约的合规审查。该模式通过 6 个 MCP 工具限定 AI 操作边界,生成完整性回执确保所有记录被评估,并支持证据链追踪,适用于制裁筛查、保险理赔等高风险合规领域。
可灵发布Kling 4.0并开启内测,将在10月正式推出。该模型支持最长30秒原生视频生成,提升了复杂运镜稳定性,并增强了对长提示词及跨镜头一致性的处理能力。
推荐理由:评测覆盖大动态、长时序与一致性,为创作者提供了Kling 4.0实际可用性的参照。
飞猪与高德基于阿里云百炼 Managed Agent 推出旅行 Agent,整合飞猪旅行 Skill 与高德地图 MCP,自动查询车票、酒店、景点及天气,生成含预算明细的可视化 HTML 行程单。 该 Agent 支持云端 7x24 小时运行,无需本地部署,用户输入目的地、日期、人数及预算即可获取完整方案,未配置 API Key 时可进入体验模式查看模糊化价格。
贵州CA 推出安界信 V1.0 平台,集成 Qoder Cloud Agents 实现可信 AI Agent 全生命周期治理。安界信负责数字证书签发与审计,Qoder 承载执行、工具与模型能力,支持 Sandbox 隔离与 SSE 流式对话。平台已接入多个智能体,旨在解决政企客户在身份信任、过程控制与结果审计方面的顾虑。
ProvenanceGuard 是一种针对基于 MCP 的 LLM 智能体的后生成验证层,专门检测跨来源混淆问题。在 281 条医疗智能体轨迹测试中,它成功拦截了专家标记的 139 个错误声明中的 138 个,且来源识别准确率约为 86%。该框架保留证据来源身份,适用于数据敏感场景下的事实核查。
GitHub Copilot 应用支持创建名为 canvas 的自定义全栈交互界面,让开发者构建 Connect 4 游戏、Winget 管理工具和 SQLite 操作面板。
推荐理由:原文通过具体示例说明 canvas 如何将交互从纯聊天扩展到自定义全栈应用,帮助读者减少不必要的 agent 调用。
阿里云百炼 Agent Native 应用落地联合体在 2026 云栖大会正式亮相,联合高德、飞猪等八家伙伴共建行业 Agent 服务。飞猪旅行 Agent Hackathon 于 9 月 22 日启动,天猫家享生活发布 SMART 五维标准及覆盖 30 余个硬件平台的 Agent Studio。高德通过 MCP 开放时空数据能力,大智互联通信智能体使故障修复时间缩短 60%。
阿里云千问AI平台面向Agent负载完成全面升级,新增Agent Studio与企业级全栈Agent服务,并推出API优速模式、千问AI座舱解决方案等能力。Agent Studio提供自动模型路由、24小时不间断托管、原子API和MCP生态接入;模型服务侧通过FlashBoot将弹性启动时间由1200秒缩短至70秒,支持Prompt Caching与Token Plan订阅。
推荐理由:官方给出了Agent Studio的托管与原子API细节,以及算力规模演进预期,供评估AI平台在Agent生产侧的落地深度。
GitHub Podcast 最新一期拆解了五个关于 AI 开发的热门观点,指出 AI 生成代码仍需人工负责审查,风险评估应匹配生产环境重要性。 文章澄清 Skills 与 MCP 解决不同问题,前者提供打包专业知识,后者提供工具连接标准;RAG 也未过时,而是为系统提供训练数据之外的相关上下文。
月之暗面推出 Kimi 金融行业解决方案,整合 10+ 权威数据源、9 项金融技能和 5 项合规安全措施。该方案将资料处理时间从“天”级压缩至“小时”级,并通过“风险评估网关”实现智能体在金融业务中的合规接入。
2026 年 9 月 15 日,豆包工作在大会上宣布功能升级,通过“局部编辑”能力提升产物交付水平,并支持远程操作及云端 24 小时运行。该产品原生融入飞书,能在用户权限内结合聊天与文档理解业务,并通过技能、连接器和 Managed Agent 与企业现有系统协作。豆包工作沿用飞书身份、权限和安全管控能力,在内测期间已有多家企业开始应用。
科大讯飞于9月15日首发桌面AI生产力工作台AStudio,以星火X2.5为核心,搭配ACode Harness执行内核,支持连接本地文件与工具,将复杂任务转化为可执行流程并交付文档、代码等成果。
阿里语音AI推出基于 Qwen Audio Agent 的智能座舱示例,支持在后台持续执行任务时进行前台聊天及多途经点导航。评测显示,短上下文用例通过率达 97.67%,50 轮连续对话中逐轮工具行为准确率达 99.80%。
作者使用 GitHub Copilot 将活动运营自动化,从手动数天缩短至单点触发。 核心机制依赖 Issue 表单、标签触发和 GitHub Actions 工作流,结合 AGENTS.md 配置实现标准化。 通过 API 或 CLI 对接外部工具,实现了活动创建、数据清洗及报告生成的全流程闭环。
Xiaomi MiMo Desktop 携 MiMo-X-Pro-Preview 与 MiMo-X-Flash-Preview 两款新模型开放邀测。
推荐理由:MiMo Desktop 展示多素材输入、局部编辑与 Smart 调度机制,可作为评估桌面智能体工作流与成本控制的参考。
全球AIGC长片创作大赛正式启动,总奖励池达550万元,单项最高100万元现金大奖,并开放10部科幻文学IP免费改编授权。 刘慈欣担任大赛顾问,评审团涵盖科幻文学、电影及AIGC领域专业人士;大赛由RunningHub联合发起,重点扶持90分钟以上电影及长剧项目。
Kimi API 已原生支持 OpenAI 的 Responses API 和 Anthropic 的 Messages API 格式,用户无需转换格式或本地代理,即可在 Codex 和 Claude Code 中直连 kimi-k3、kimi-k2.7-code 等模型。Responses API 暂不支持视频输入,官方提供了针对本地 Agent 的自动化配置教程链接及开发者反馈社群入口。
推荐理由:官方说明直接给出了Codex和Claude Code接入Kimi API的两种API格式及模型列表,开发者可跳过中间代理层直接对接现有工具链。
可灵已正式登陆 WorkBuddy 连接器,实现一键调用。该集成支持视频批量生产与多任务并行处理,如后期对口型和换语言。用户可将其嵌入工作流,利用其智能分析需求并自动生成项目生产计划的能力。
小米大模型发布 MiMo Claw 正式版,搭载 OpenClaw 框架官方预置模型 MiMo-V2.5-Pro,并联动金山办公生态推出全链路文档办公提效方案。