Amazon Bedrock、AgentCore 与 Strands 2026 年 9 月更新盘点
Amazon Bedrock 在 9 月新增由 OpenAI 驱动的托管智能体公开预览，并上架 GPT-6 Astra、GPT-6 Astra Ultrafast。
#数据/训练
AWS Machine Learning BlogAI 评分2727 AWS Machine Learning BlogAI 评分3232 使用 Amazon SageMaker HyperPod 实现多团队 GPU 集群隔离与公平共享
AWS 发布基于 Amazon SageMaker HyperPod 与 EKS 的多租户参考架构，让多个团队共享同一 GPU 集群，同时保持隔离与资源公平。
Hugging Face Blog精选AI 评分6161 作者用 ML Intern 在几天内训出六个小模型，公开全部提示词
作者在 HuggingChat 里开启 ML-intern，用几句提示词就在几天内训出六个模型并发布到 Hub，总计算成本约 103 美元。
推荐理由：作者公开了六个模型项目从 450 词到 2000 词的提示词写法，含基线、冒烟测试与预算控制等可迁移步骤。
Hugging Face BlogAI 评分5858 Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平
NVIDIA 团队从 Nemotron 3 出发，用监督微调、强化学习与反馈式推理打造专精模型，在 IOI 2026 拿到 535.4/600，在 IMO 2026 拿到 30/42，两者都超过官方金牌线。
Google ResearchAI 评分4242 Google Earth AI 的 PDFM 位置嵌入如何用于全球公共卫生
Google Research 用 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）位置嵌入，在无需任务微调的情况下接入现有流行病学模型。
NVIDIA BlogAI 评分2222 电信运营商为何将 AI 战略押注在开源模型上
NVIDIA《State of AI in Telecommunications》报告显示，89% 受访者认为开源模型和软件对公司 AI 战略重要。
NVIDIA BlogAI 评分1717 NVIDIA Inception 初创公司如何用 AI 补齐乳腺癌诊疗缺口
NVIDIA Inception 计划中的 iSono Health、Whiterabbit.ai 和 Ataraxis AI 正用 AI 覆盖乳腺癌筛查、风险评估与治疗规划环节。
Google Research精选AI 评分6363 Google 发布基于 TEE 的可验证隐私联邦学习系统
Google Research 发布新一代联邦学习系统，利用可信执行环境（TEE）为数据匿名化提供可验证、可审计的保证，并已应用于 Gboard。系统中，客户端设备本地加密训练数据并上传，只有符合访问策略的 TEE 工作负载才能解密处理，访问策略发布到公开透明日志 Rekor，相关二进制可从开源仓库 Confidential Federated Compute 复现构建。
推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，读者可了解其如何让服务端处理过程可外部验证。
Hugging Face BlogAI 评分4545 AutoSynthData：为企业级智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例和更强教师的成功案例，定位当前模型的能力缺口，并据此生成、验证新的可执行训练任务。管线以 EnterpriseOps Gym 数据集为例演示，任务由系统规范、用户提示词和验证器三部分组成，需满足可行性、真实性与难度要求。随着模型改进，课程会自动转向其仍未掌握的能力。
Microsoft ResearchAI 评分3737 微软研究院用机器学习预测电网空间天气风险
微软研究院实习生构建的机器学习流水线，利用 L1 太阳风观测、AE 与 Dst 指数预报、地质电导率及电网数据，为美国本土 66,935 座变电站生成 30-60 分钟前的点位级地磁感应电流风险估计。2020-2026 评估期内，该系统对主要空间天气事件检出率近 80%，Dst 预测在 62.2% 的高活跃时段优于 Burton 方程。
Microsoft Research精选AI 评分7070 微软研究院发布面向生物学复杂性的 AI 研究系统 Quine
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由生物学多模态世界模型和连接科学工具、文献、湿实验与研究者的交互 harness 组成。它与 Broad Institute 合作，用该系统筛选可能驱动肿瘤状态转变的化合物，最高排名化合物在多个湿实验检测中产生了最大的目标转变，整个过程从缩小化合物搜索空间到选出候选仅用一个周末。
推荐理由：微软研究院公开生物学多模态世界模型 Quine 的构建思路，并给出胰腺癌化合物筛选的湿实验验证细节。
Microsoft ResearchAI 评分1313 微软亚洲研究院新加坡成立一周年：推进科研、合作与人才培养
微软亚洲研究院新加坡（MSRA – Singapore）作为微软在东南亚的首个研究实验室，成立一年来聚焦下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践及生态与人才培养四大方向。该实验室与新加坡医疗生态伙伴合作探索多模态医疗 AI 和自演化诊断智能体，并与经济发展局（EDB）等机构推进产学研协作。
Microsoft ResearchAI 评分5454 Microsoft Research 在 Nature 发表逆合成模型 RetroChimera 并开源实现与权重
Microsoft Research 在 Nature 发表逆合成预测框架 RetroChimera，该框架结合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，用学习式集成重排序整合两者的预测结果。
Mistral AIAI 评分3030 Mistral 与 Cloudera 合作，将专用主权智能引入企业数据平台
Mistral 与 Cloudera 达成合作，把 Mistral 模型集成到 Cloudera 混合数据平台，企业可在私有云、公有云、本地乃至完全气隙环境中部署和运行推理，并保持完全控制。企业还能在受控环境中用自有专有数据训练定制模型，数据和由此产生的智能均归企业所有。Cloudera 平台承载 30 exabytes 客户自管数据，双方称此举面向对主权 AI 日益增长的需求。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组全部 90 亿个单核苷酸变异
Google DeepMind 发布 AlphaGenome Atlas，收录人类基因组中全部 90 亿个单核苷酸变异的分子效应预测，规模达 1PB，为 AlphaFold Database 的 30 多倍。
推荐理由：官方给出 90 亿单核苷酸变异预测数据集的构成与开放方式，可了解基因组预测资源的规模与使用入口。
Microsoft ResearchAI 评分4141 微软发布 GigaPath-Flash 与 GigaTIME-Flash：高效病理基础模型迈向群体级发现
微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash，用从十亿参数 GigaPath 编码器蒸馏出的 22M 参数 ViT-S tile 编码器替换原有骨干，30M 参数以内即可完成全切片表示与 H&E 到 mIF 的虚拟空间蛋白组预测，均以 Apache 2.0 许可开源。
Mistral AIAI 评分4444 Mistral 与 HUMAIN 达成战略合作，推进沙特及中东主权 AI
Mistral 与 HUMAIN 宣布战略合作，覆盖 AI 基础设施、先进模型开发与解决方案部署，初期聚焦网络安全和语音，并计划开发阿拉伯语表现强劲的前沿模型，合作规模达数亿欧元。Mistral 将探索使用 HUMAIN 数据中心基础设施，双方还计划在沙特面向受监管行业制定联合市场策略，并支持模型以开放权重方式被客户适配和拥有。
Berkeley AI ResearchAI 评分2727 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，将递归摘要的信息内容隔离为自然语言"信念状态"并加以监督，替代完整交互历史作为智能体的工作上下文。在 CollabBench 协作编程任务上，基于重建的信念评分将 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 长度由 14.08×10² 降至 6.01×10²。
Berkeley AI ResearchAI 评分3434 智能免费之后怎么办：面向智能体、由智能体构建的数据系统
AI 推理成本快速下降，GPT-4 级能力从 2023 年初约 $30 per million tokens 降至如今不到 $1，部分供应商甚至低于 $0.10，基准测试显示推理价格年降幅在 9x 到 900x 之间，中位数约 50x。
Berkeley AI ResearchAI 评分3232 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 梳理了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并行、生成多少并发线程并协调它们，而非由外部框架固定并行结构。
Berkeley AI ResearchAI 评分4242 GRASP：面向世界模型长时程规划的梯度规划器
伯克利研究团队提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹 lift 到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索，并重塑梯度以避开经由高维视觉模型的脆弱"状态-输入"梯度。该方法针对长时程规划中梯度爆炸/消失、非贪心结构与高维隐空间导致的失败模式，使长时程规划更稳健。