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率
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）为产品获客漏斗做个性化内容选择，七周线上 A/B 测试中，一个人群组的最终漏斗转化率取得高个位数相对提升，另一人群组则未见改善。
#数据/训练
#数据/训练
今日 2 条AWS Machine Learning BlogAI 评分2222 AWS Machine Learning BlogAI 评分2222 用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
NVIDIA NeMo Agent Toolkit（NAT）可通过自定义 memory provider 接入 Amazon S3 Vectors，作为多智能体系统的持久记忆层，并部署在 Amazon EKS 上。
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。
NVIDIA BlogAI 评分2222 NVIDIA AI 工厂如何实现高产出、长寿命与通用性以最大化投资回报
NVIDIA 提出 AI 工厂投资回报由三大要素决定：每兆瓦产出能力、硬件使用寿命和 token 需求。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐量比 GB300 NVL72 高 30 倍以上，在 DeepSeek V4 Pro 上每百万 token 成本低至 45 分之一。
NVIDIA BlogAI 评分2020 NVIDIA 开放 2027–2028 研究生奖学金申请，最高 6 万美元
NVIDIA 第 26 届研究生奖学金项目面向全球开放 2027–2028 学年申请，每位学生最高可获 6 万美元资助，申请截止日期为 2026 年 10 月 30 日。
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 水印首次延伸到合成生物学，读者可了解其在蛋白质序列与结构上的实现方式及生物安全用途。
NVIDIA BlogAI 评分4040 NVIDIA 与 CoreWeave 将 Vera Rubin NVL72 投入生产，Devin 成首个客户
CoreWeave 宣布 NVIDIA Vera Rubin NVL72 系统搭配 Spectrum-X 102.4T 以太网正式可用，Cognition 的 Devin 成为首个在生产环境运行该平台、并跑出 SWE-2 推理 token 吞吐量较 GB200 NVL72 最高提升 4.8 倍的客户。
OpenAI NewsAI 评分3838 OpenAI 阻断一起协同模型蒸馏攻击活动
OpenAI 披露阻断了一起协同模型蒸馏攻击活动，该活动旨在提取其受保护的模型推理能力。OpenAI 表示正在加强针对对抗性蒸馏的防御措施。
OpenAI NewsAI 评分2222 Basis 借助 GPT-6 Astra 将税务工作簿处理速度提升 2 倍
GPT-6 Astra 完成 50 个标签页的税务工作簿速度是 GPT-5.6 Sol 的两倍，对用户意图的理解也更强，让 Basis 在真实场景中使用更有信心。
NVIDIA BlogAI 评分5050 NVIDIA 联合 Google DeepMind 等开放 2800 多种病毒蛋白复合物 3D 结构预测
NVIDIA 加入 Google DeepMind、EMBL-EBI 等组成的联盟，通过 AlphaFold Database 开放 2800 多种病毒的蛋白复合物预测 3D 结构，供全球科学家免费使用。
NVIDIA BlogAI 评分1212 NVIDIA 验证工程师 Sakeena Fiza 如何让硬件大规模成功
NVIDIA 验证工程师 Sakeena Fiza 的工作是在产品对外公布前于实验室中验证数据中心系统，她最难忘的时刻之一是看到 NVIDIA Rubin GPU 首次在系统层面成功枚举。验证团队把自己视为产品的第一批客户，在量产前于真实条件下把硬件推到极限，目标是在客户发现问题之前先发现问题。一块板卡可能包含数万个组件，一个机架接近 50 万个，这些部件必须在压力下作为一个系统协同工作。
NVIDIA BlogAI 评分2222 NVIDIA 在纽约气候周展示 5 家用 AI 推进清洁能源的公司
NVIDIA 在纽约气候周重点介绍了 5 家用 AI 推进清洁能源的公司。ThinkLabs AI 借助 NVIDIA CUDA 打造数字孪生与智能体，帮助南加州爱迪生将电网并网申请评估时间从 30-45 天缩短到 2 分钟。
OpenAI NewsAI 评分2222 Hex 借助 GPT-6 Astra 将复杂分析转化为可视化报告
Hex 的数据智能体借助 GPT-6 Astra，把分析答案转化为可交互的可视化报告，供员工分享。
NVIDIA BlogAI 评分4242 曼彻斯特大学用 NVIDIA Earth-2 预测全英空气污染
曼彻斯特大学团队基于 NVIDIA Earth-2 的生成式模型 Earth-2 CorrDiff，在英国国家 AI 超算 Isambard-AI 上训练出覆盖全英、分辨率 2-3 平方公里的空气污染模型，训练仅耗时两天。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组 90 亿个单字母变异预测
Google DeepMind 推出 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，是 AlphaFold Database 的 30 倍以上，今日起通过网站门户、AlphaGenome API 和 Google Antigravity 中的 skill 向学术研究免费开放。
推荐理由：原文给出 9 亿单核苷酸变异预测的规模与免费入口，读者可据此判断基因组变异解读的门槛变化。
Microsoft ResearchAI 评分3636 微软研究院推出 CARE-X：面向临床可用的放射学 VLM，结合辅助监督、奖励对齐学习与工具增强测量
微软研究院发布研究模型 CARE-X，一个统一胸部 X 光 VLM，可同时完成报告生成、结构化诊断预测、病灶定位与 29 个解剖区域定位等任务，并支持生成式与双路推理两种模式。
Google DeepMind精选AI 评分7878 Google DeepMind 开源 WeatherNext 气旋预测模型
Google DeepMind 发布 WeatherNext AI 模型，在气旋路径、强度和风场结构预测上达到 SOTA，平均多出一天预警时间，三天预报精度相当于此前模型的两天水平。
推荐理由：原文给出模型在气旋路径与强度预测上的精度提升幅度，并说明代码与权重已开源，读者可据此判断气象预报的可用性变化。
Berkeley AI ResearchAI 评分2222 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
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，采用基于重构的信念评分后，ABBEL 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 长度也显著低于全上下文设置。
Berkeley AI ResearchAI 评分2222 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
伯克利 AI 研究提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分厂商低于 $0.10，数据系统面临三大新挑战：为智能体设计（Data Systems For Agents）、运行智能体集群（Of Agents）、由智能体合成（By Agents）。
Berkeley AI ResearchAI 评分2222 2026 届 BAIR 博士毕业生展示：从机器人到 LLM 推理的研究全景
伯克利人工智能研究实验室（BAIR）展示 2026 届博士毕业生，研究方向覆盖机器人、具身智能、大语言模型与推理、计算机视觉、生成建模、AI 安全、人机交互及 AI for science 与医疗。毕业生去向包括 OpenAI、Mistral AI、Physical Intelligence、Amazon 等机构，以及 UCLA、普林斯顿 CITP 和芝加哥大学等学术岗位。
Google DeepMind精选AI 评分6666 Google DeepMind 在塞拉利昂测量 AI 学习效果
Google DeepMind 公布在塞拉利昂开展的预注册随机对照试验结果，使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差，约相当于八周内取得 1.2 至 1.7 年的常规学习进展。
推荐理由：塞拉利昂预注册随机对照试验给出了 Guided Learning 的量化增益与师生互动数据，可了解 AI 辅助教学的实证路径。
Google DeepMindAI 评分4040 剑桥大学教授用 Google Co-Scientist 寻找跨物种传染病的分子开关
剑桥大学 Clare Bryant 教授使用 Google Co-Scientist 研究流感等病原体跨物种传播时引发败血症等重症的分子开关，该工具生成并排序了一批候选假说，其中一个她此前未关注的蛋白与多个她感兴趣的信号通路相关。她随后加入未发表数据反复迭代，将假说从候选蛋白细化到具体氨基酸。Bryant 表示，原本需两到三年的氨基酸定位实验工作，其团队目前有望在六个月内完成。
Google DeepMindAI 评分3838 Calico 用 Google Co-Scientist 推进衰老生物学研究
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google 的 Co-Scientist 整合衰老生物学中零散的研究发现并生成可验证假设。在整合应激反应（ISR）研究中，该工具提出了代谢调控 ISR 的新假设，团队据此优化实验设计并持续输入新结果，实验已产生对 ISR 在健康与疾病中作用有重要意义的新发现，团队计划发表这些结果。
Google DeepMindAI 评分4040 Google Co-Scientist 加速肝病机制发现，锁定 MASH 关键分子桥梁 NLRP3
爱丁堡大学团队用 Google Co-Scientist 研究 MASH 肝病，系统提出 NLRP3 炎症小体是连接炎症与代谢的分子桥梁，该假设随后经实验验证。面对潜在药物组合数量爆炸的问题，Co-Scientist 综合肝生物学与药理学证据，筛选出值得关注的机制和候选联合疗法。它还被用于解释已获批药物 resmetirom 为何仅对少数符合条件的 MASH 患者有效。
Google DeepMindAI 评分2222 Google DeepMind Co-Scientist 如何连接两个实验室推进 ALS 研究
Google DeepMind 的 Co-Scientist 帮助 MIT 的 Ritu Raman 快速梳理 ALS 相关文献，将想法转化为可检验假设并按可行性排序。
Google DeepMindAI 评分5858 斯坦福团队用 Co-Scientist 筛选肝纤维化药物，两候选药在实验中阻断纤维化
斯坦福大学医学院遗传学家 Gary Peltz 团队在《Advanced Science》发表研究，用 Google DeepMind 的 Co-Scientist 从现有药物文献中寻找可重用于治疗肝纤维化的候选药。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Co-Scientist 多智能体科研系统
Google DeepMind 在 Nature 发表 Co-Scientist 研究，这是一个基于 Gemini 构建的多智能体 AI 系统，通过生成、辩论和演化假设来辅助科研。
推荐理由：原文给出多智能体假设生成系统的架构与多个实验室验证案例，可了解 AI 参与科研推理的具体路径。
Google DeepMind精选AI 评分7171 Google DeepMind 回顾 AlphaEvolve 一年跨领域落地成果
Google DeepMind 发布 AlphaEvolve 一年成果汇总，这一由 Gemini 驱动的编码智能体已从试点进入 Google 基础设施核心，用于优化下一代 TPU 设计与缓存替换策略。
推荐理由：官方汇总 AlphaEvolve 一年落地案例，涵盖基因组、电网、TPU 与量子模拟，可看算法智能体的跨领域边界。
Google DeepMindAI 评分4242 Google DeepMind 宣布与韩国科学技术信息通信部达成 AI 合作
Google DeepMind 与韩国科学技术信息通信部（MSIT）宣布建立合作，将在首尔办公室设立 AI Campus，向韩国科研机构开放 AlphaEvolve、AlphaGenome、AlphaFold、AI co-scientist 和 WeatherNext 等前沿模型。
Google DeepMindAI 评分2222 Google DeepMind 推出 Decoupled DiLoCo：面向分布式 AI 训练的弹性新架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将训练任务拆分为异步通信的"计算孤岛"，在硬件故障下仍能持续训练并自动恢复。该架构用 Gemma 4 模型验证，ML 性能与传统方法持平，并在美国四个区域以 2-5 Gbps 网络训练了 120 亿参数模型，速度比传统同步方法快 20 倍以上，还支持 TPU v6e 与 TPU v5p 混合训练。
Berkeley AI ResearchAI 评分2222 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融实验达到 SPEX 的性能。
Berkeley AI ResearchAI 评分2020 伯克利提出信息驱动成像系统设计框架，登 NeurIPS 2025
伯克利 AI 研究团队提出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系统信息量，在彩色摄影、射电天文、无镜头成像和显微成像四个领域验证其能预测解码器性能。该方法优化出的设计可媲美端到端 SOTA 方法，同时占用更少内存和算力，且无需任务专用解码器设计。