Connect Amazon Bedrock agents to cross-account knowledge bases
组织需要无缝访问其结构化数据存储库来为智能 AI 代理提供支持。然而，当这些资源跨越多个 AWS 账户时，可能会出现集成挑战。本文探讨了一种实用的解决方案，用于将 Amazon Bedrock 代理连接到驻留在不同 AWS 账户中的 Amazon Redshift 集群中的知识库。
Transform your MCP architecture: Unite MCP servers through AgentCore Gateway
今年早些时候，我们推出了 Amazon Bedrock AgentCore Gateway，这是一项完全托管的服务，充当集中式 MCP 工具服务器，提供统一的界面，代理可以在其中发现、访问和调用工具。今天，我们正在扩展对现有 MCP 服务器的支持，作为 AgentCore Gateway 中的新目标类型。借助此功能，您可以将多个与代理目标一致的特定于任务的 MCP 服务器分组到单个可管理的 MCP 网关接口后面。这降低了维护单独网关的操作复杂性，同时提供与 REST API 和 AWS Lambda 函数相同的集中式工具和身份验证管理。
India, Israel sign new MOU on defense tech
“我们将印度视为一流的战略伙伴，并决心继续深化国防、技术和工业领域的合作，”以色列声明中写道。
Startup Obviant wins $99M from DIU for AI acquisition data analytics
如果 Obviant 的原型成功，该合同将允许其在武装部队和联合作战司令部中的使用扩展——可能会补充或与五角大楼自己的 Advana 分析相竞争。
TDS Newsletter: The Theory and Practice of Using AI Effectively
当我们遇到一项新技术（例如法学硕士申请）时，我们中的一些人往往会卷起袖子立即投入其中，迫不及待地开始修补。其他人则更喜欢更谨慎的方法：阅读一些相关的研究论文，或浏览一堆博客文章，目的是了解这些工具的背景[…]TDS 时事通讯：有效使用人工智能的理论和实践首先出现在走向数据科学上。
We Didn’t Invent Attention — We Just Rediscovered It
选择性放大如何通过收敛的数学解决方案在进化、化学和人工智能中出现我们没有发明注意力——我们只是重新发现了它，它首先出现在《走向数据科学》上。
IT as the new HR: Managing your AI workforce
您的组织已经在招聘数字化员工。现在的问题是，IT 部门是否真正将这些“类人”系统作为劳动力的一部分进行管理，或者只是作为技术堆栈中的另一个应用程序来管理。 AI 代理不再只是另一种 AI 工具，它正在成为需要与人类员工相同的生命周期管理的数字同事：入职、……后 IT 作为新的 HR：管理您的 AI 劳动力首先出现在 DataRobot 上。
Fixing Enterprise Apps with AI: The T+n Problem
多年来，我们一直在观察企业在同样的客户服务悖论中挣扎：他们拥有世界上所有的技术，但简单的地址更改仍然需要三天。问题不是你想的那样，解决方案也不是。上个月，我看到一位同事尝试向银行更新他们的地址。它[...]
Jensen Huang Gets It Wrong, Claude Gets It Right
在最近的一份时事通讯中，Ben Thompson 建议关注黄仁勋在华盛顿举行的 NVIDIA GPU 技术大会 (GTC) 上的主题演讲的一部分，称其“对人工智能市场比软件市场大几个数量级的论点进行了精彩阐述”。虽然我不愿意反驳像[…]这样精明的观察者
ChatLLM. An Honest Review of Our All-in-One AI Platform
ChatLLM 将所有主要的 AI 模型（GPT-5、Claude、Gemini、Grok 等）汇集到一个经济实惠的平台中。每月只需 10 美元，您就可以获得一把瑞士军刀的 AI 工具，用于编写、编码、分析和自动化。
Pixazo’s Big Leap: The AI That Doesn’t Just Draw, It Directs
一些新闻报道悄悄地从人们的视线中溜走，但时不时地，就会有一些新闻报道让人感觉像是明天的预演。本周，总部位于印度的创意技术初创公司 Pixazo 宣布将在其 API 套件中添加人工智能视频生成功能。听起来很简单，对吧？但如果您一直关注快速生成媒体的世界，您就会知道这是一个不小的飞跃。 Pixazo 的举措意味着开发者、创作者和企业现在可以将视频生成直接插入他们的应用程序中，无需电影摄制组或编辑套件。想象一下输入脚本或上传 [...]
在这篇文章中，我将介绍一种基于“另类”范式的强化学习 (RL) 算法：分而治之。与传统方法不同，该算法不是基于时间差（TD）学习（存在可扩展性挑战），并且可以很好地扩展到长视野任务。我们可以基于分而治之进行强化学习（RL），而不是时间差（TD）学习。问题设置：离策略RL我们的问题设置是离策略RL。让我们简单回顾一下这意味着什么。强化学习中有两类算法：在策略强化学习和离策略强化学习。同策略 RL 意味着我们只能使用当前策略收集的新数据。换句话说，每次更新策略时我们都必须丢弃旧数据。像 PPO 和 GRPO 这样的算法（以及一般的策略梯度方法）就属于这一类。离策略 RL 意味着我们没有这个限制：我
What exactly does word2vec learn?
word2vec 到底学习什么以及如何学习？回答这个问题相当于在一个最小但有趣的语言建模任务中理解表示学习。尽管 word2vec 是众所周知的现代语言模型的先驱，但多年来，研究人员缺乏描述其学习过程的定量和预测理论。在我们的新论文中，我们最终提供了这样一个理论。我们证明存在现实的、实用的机制，其中学习问题可以简化为未加权的最小二乘矩阵分解。我们以封闭形式求解梯度流动动力学；最终学习到的表示由 PCA 简单给出。word2vec 的学习动态。当从小初始化开始训练时，word2vec 以离散、连续的步骤进行学习。左：权重矩阵中的排名递增学习步骤，每个步骤都会减少损失。右图：潜在嵌入空间的三个时间
Legal Innovators New York – Nov 19 + 20
我们将于 11 月 19 日至 20 日在中城的 Time-Life 大楼举办纽约法律创新者活动。为了帮助您获得里程碑式的回复......
Contract AI Barriers: Economics, Reasoning + Prompt Engineering
作者：Pedram Abrari，Pramata 首席技术官。在本系列的前两篇文章中，我们介绍了从...实现价值的前六大技术挑战
IEEE Transactions on Artificial Intelligence, Volume 6, Issue 11, November 2025
1) 基于 DNN 和 GAN 的鲁棒实时视听语音增强作者：Mandar Gogate、Kia Dashtipour、Amir Hussain 页数：2860 - 28692) 优化神经网络训练：资源节约的马尔可夫链方法作者：Ke Wang、Xianting Huang、Cong Tan、Siu-Ming Yiu、Zicong Chen、雷小林页数：2870 - 28833) LibriSQA：大型语言模型口语问答的新颖数据集和框架作者：赵子涵、江一阳、刘鹤阳、王宇、王彦峰页数：2884 - 28954) 从常规到反思：高效通信联邦学习中的修剪神经网络作者：裴家明、魏Li, Shahid Mu
New Benchmark Shows AI Agents Perform Poorly When Automating Real Jobs
人工智能安全和规模人工智能中心的一篇新论文介绍了远程劳动力指数（RLI），这是第一个旨在衡量人工智能代理执行有偿远程工作能力的基准。
Generations in Dialogue: Multi-agent systems and human-AI interaction with Professor Manuela Veloso
《世代对话：桥接人工智能视角》是 AAAI 推出的一个新播客，其中包含来自不同年龄段和背景的人工智能专家、从业者和爱好者之间发人深省的讨论。每一集都深入探讨了代际经历如何塑造对人工智能的看法，探索随着这种变革性技术的进步所带来的挑战、机遇和道德考虑。 [...]
