Agility Robotics to Go Public Through $2.5 Billion Merger with Churchill Capital Corp XI
交易预计将创建美国唯一一家公开上市的纯人形机器人公司，并拥有经过验证的、积极的商业部署
Building pay-per-intelligence for AI agents: How Ampersend uses Amazon Bedrock AgentCore Payments
在本文中，您将了解 Ampersend 如何在 Amazon Bedrock AgentCore Payments 之上构建按智能付费的路由层。人工智能代理自动将任务路由到最有效的模型，按请求付费，并在支出预算内运行。您还将了解两跳支付模式如何端到端工作以及如何开始您自己的实施。
Here’s What Everyone Gets Wrong About Agentic AI
Agentic AI 的失败并不是因为技术不好。它之所以失败，是因为团队在第一次部署中存在五个具体的误解，而每个误解都是可以纠正的。
Accelerate campaign workflow with insights from Adobe Marketing Agent for Amazon Quick
本文展示了如何使用模型上下文协议 (MCP) 启用 Adobe Marketing Agent for Amazon Quick。我们将引导您了解如何配置集成、使用您的 Adobe 凭证进行身份验证以及在 Amazon Quick 中获取最新见解。示例工作流程返回受众排名、忠诚度细分摘要、旅程使用情况和冲突建议。
今天，Amazon Bedrock AgentCore 线束正式上市。两次 API 调用（CreateHarness 定义代理，InvokeHarness 运行它），几秒钟内即可运行代理。该代理在具有文件系统和 shell 的独立环境中运行，因此它可以安全地读取文件、运行命令和编写代码。它会记住会话中的用户和对话，获取您指定的技能（包括 AWS 策划的目录），浏览网页，通过网关或 MCP 调用您的工具，并在会话中切换模型提供商而不会丢失上下文。每一步都会实时反馈给您，并自动跟踪到 Amazon CloudWatch。除非您愿意，否则您不需要编写编排代码或构建容器。
New in Amazon Bedrock AgentCore: Build agents with broader knowledge and continuous learning
今天，我们将推出 Amazon Bedrock AgentCore 的新功能，该平台用于构建、连接和优化代理。在这篇文章中，我们将介绍这些功能如何缩小各个差距：将代理与组织、网络和付费知识连接起来；帮助团队发现并修复生产中出现的问题；随着代理能力的增强，实施可扩展的控制措施。它们共同帮助您更快地构建更强大的代理，通过可扩展的控制来管理它们，并不断改进它们。
FATF elects Vivek Aggarwal as first Indian Vice President
Aggarwal 此前曾担任财政部额外秘书和印度驻 FATF 代表团团长
How AgricTech Cuts Labour for Zimbabwe’s Female Farmers
津巴布韦布拉瓦约，6 月 19 日 (IPS) - 长期承受农业劳动密集型性质的负担，津巴布韦的女性农民在新的农业技术中找到了缓解，这些技术大大减少了她们在田间度过的时间。阅读全文，“农业技术如何为津巴布韦女性农民削减劳动力”，位于 globalissues.org →
Build context-rich research agents with Deep Agents and Bedrock AgentCore
在这篇文章中，您将构建一个有竞争力的研究代理，端到端地演示此模式。本演练针对的是构建多步骤 AI 工作流程的开发人员，他们需要为其代理提供隔离的执行环境。在本笔记本的第 2 部分中，您可以使用 AgentCore CLI 将同一代理部署到 Bedrock AgentCore Runtime，以便它作为托管、会话隔离的服务运行。
Evaluate AI agents systematically with Agent-EvalKit
Agent-EvalKit 是一个开源工具包 (Apache 2.0)，它通过与 AI 编码助手（包括 Claude Code、Kiro CLI 和 Kilo Code）集成来提供此评估基础架构。本文以使用 Strands Agents SDK 和 Amazon Bedrock 构建的旅行研究代理作为运行示例，介绍了 Agent-EvalKit 在六个评估阶段的工作原理。
在这篇文章中，我们演示了免提 FNOL 引入系统如何将使用 Strands Agents SDK 构建的用于域推理的代理与用于实时门户交互的 Amazon Bedrock AgentCore 浏览器工具结合起来。这种方法保留了人类的专业知识，同时消除了重复的屏幕工作。
Cato Expert: Meta’s AI Image Tool Pullback Shows the Market — Not Government — Should Police AI
最近，Meta 推出并迅速下架了一款 AI 图像生成器，该生成器使用 Instagram 上的公开个人资料生成图像。在 Meta 做出这一逆转之后，卡托研究所的言论自由和技术研究员 David Inserra 发表了一份声明：“Meta 最近推出了一款名为 Muse Image 的人工智能工具，但很快就撤下了该工具，原因是该工具允许用户修改任何公共 Instagram 帐户中的图像。虽然用户可以选择退出，但许多用户认为他们没有同意使用他们的图像，如果他们的图像被其他人使用，他们不会收到通知，这让他们感到沮丧，并担心他们的图像被滥用以造成不安全。” “需要明确的是，用户可以决定他们希望使用哪些平
CLaRa: Bridging Retrieval and Generation with Continuous Latent Reasoning
检索增强生成（RAG）利用外部知识增强了大型语言模型（LLM），但仍然受到长上下文和不相交的检索生成优化的影响。在这项工作中，我们提出了 CLaRa（连续潜在推理），这是一个在共享连续空间中执行基于嵌入的压缩和联合优化的统一框架。为了获得语义丰富且可检索的压缩向量，从而减少输入生成器的文档长度，我们引入了 SCP，一种基于问答和释义的密钥保留数据合成框架......
Monitor Amazon SageMaker Pipelines cross-account with custom Amazon CloudWatch dashboards
在这篇文章中，我们提出了一个解决方案，旨在使用 Amazon CloudWatch 自定义控制面板集中监控跨 AWS 账户和区域的 SageMaker Pipelines。随附的 GitHub 存储库提供了所需基础设施的可自定义 AWS 云开发套件 (AWS CDK) 示例。
企业文档智能 [Vol.1 #7quinquies] - 幻觉通常是垃圾。修复检索，模型就没有什么可弥补的了大多数 RAG 幻觉都是检索失败：检索砖如何决定模型可以发明什么，该帖子首先出现在《走向数据科学》上。
How Much Does Federal R&D Pay Off?
联邦政府资助的研发对经济有多大好处？ Sheila Campbell、Jaeger Nelson、Eli Schrag、Heidi Williams 和 Caleb Wroblewski 在“估计联邦资助研发的经济影响”（国会预算办公室，工作文件 2026-08，2026 年 7 月）中通过一些方式回答了这个问题。 （全面披露：在她的其他角色中，威廉姆斯是……的编辑……继续阅读联邦研发有多少回报？这篇文章《联邦研发有多少回报？》首次出现在《Conversable Economist》上。
Socialism Succeeding In Emilia-Romagna
艾米利亚-罗马涅是意大利托斯卡纳北部的一个地区。我之前写过关于其首府博洛尼亚的文章。艾米利亚-罗马涅大约三分之一的国内生产总值是由合作社生产的。大约三分之二的居住在艾米利亚-罗马涅的人以某种方式参与合作社。（参见约翰·杜达的这篇文章。）显然，意大利的合作社可以追溯到十九世纪1947 年意大利宪法第 45 条提倡合作社。它规定：共和国承认合作社具有相互支持、非投机性质的社会功能。法律通过适当的手段促进和鼓励合作，并通过适当的检查确保其性质和目的。法律保护和促进手工艺品。1985年马科拉法的规定之一是工人能够立即领取失业救济金来建立合作社。一个拥有大量合作社的社会将有相关机构。合作社将向博洛尼亚大
