How nOps shipped FinOps agents 75% faster with Amazon Bedrock AgentCore
nOps 在 Amazon Bedrock AgentCore 上重建了 Clara FinOps AI 代理，取代了运行 LangChain 和 LangGraph 的自管理 Amazon EKS 堆栈。此举将生产时间缩短了 75%（从 10-12 个月缩短到 4 个月），提高了响应质量，减少了运营开销，同时通过 Databricks Lakehouse Metric Views 控制分析。
Semantic Knowledge Graph for LLM Agents
为什么重要：了解 LLM 代理的语义知识图如何减少幻觉、增加记忆力并将测试中的答案准确性从 17% 提高到 54%。
7 Steps to Building and Deploying Your First Autonomous Agent
本文向您展示了从开始到结束构建和部署第一个自主 AI 代理的所有步骤。
Build enterprise search for agents with Amazon Bedrock Managed Knowledge Base
在这篇文章中，我们将介绍实现这一目标的三大支柱：简化的设置、更智能的检索和生产准备。我们还向您展示了用于设置知识库并从中检索的代码示例。
Brands urged to boost visibility to AI agents
全球专业服务公司 Accenture, Inc. 表示，随着消费者越来越依赖人工智能 (AI) 来做出购买决策，亚太 (APAC) 地区的品牌必须提高其对人工智能 (AI) 代理商的知名度。“现在采取行动、向横向代理商可见、探索垂直专业化并为代理商主导的采购奠定运营基础的品牌将成为 [...]
Publication: The structural interdependencies of industries: An agent-based model
我们开发了一个基于代理的库存流一致宏观经济模型，涉及多个行业并支持...
Из чего складывается реальная стоимость агентного ИИ
自主代理的经济性较少依赖于所使用的模型，而更多地依赖于“思考”的数量、周期的数量以及对辅助工具的调用频率。
Weblica: Scalable and Reproducible Training Environments for Visual Web Agents
网络复杂、开放且不断变化，这使得扩展可视网络代理的训练数据变得具有挑战性。现有的数据收集尝试仍然仅限于用于监督微调的离线轨迹或用于 RL 训练的少数模拟环境，因此无法捕获网络多样性。我们提出了Weblica（Web Replica），一个用于构建可复制和可扩展的Web环境的框架。我们的框架利用 1) HTTP 级缓存来捕获和重播稳定的视觉状态，同时保留交互行为，以及 2) 基于 LLM 的环境合成......
How to Utilize OKF Efficiently to Enable Knowledge Exchange Among LLMs
Google 的开放知识格式 (OKF) 是一个 Markdown+YAML 框架，用于在人类和 AI 代理之间共享知识。这篇文章在一项非常具体的工作中重用了该框架——在三个 Qwen2.5-Coder 模型（7B、3B、1.5B）之间进行预标记化整数数组的代理到代理的交接，并显示了 28-37% 的 TTFT 减少以及一个确保整个安全的全词汇等效性检查。如何有效利用 OKF 来实现 LLM 之间的知识交换的文章首先出现在 Towards Data 上科学。
How to Effectively Deploy Code With Claude Code
了解如何优化编码代理的 CI/CD 管道《如何使用 Claude Code 有效部署代码》一文首先出现在《走向数据科学》上。
IEEE Transactions on Cognitive and Developmental Systems, Volume 18, Issue 4, August 2026
1) 基于混合预测网络的有限感知多智能体侦察博弈作者：X. Shen，B. Hu，Z. -H。关, D. 张, T. Li 页数: 858 - 8722) 黎曼流形上的脑电网络连通性的低维矩阵判别分析用于情感识别作者: H. Fang, M. Wang, Z. 张, Y. Wang, Y. Yang 页数: 873 - 8873) 学习表达性任务嵌入和上下文转换的样本高效探索Reduction in Offline Meta-Reinforcement Environment作者：H. Wang, X. Tan, T. Yao, Z. Fang, P. Qi, X. QiuPages: 888
Securing AI agents with temporal policies in Amazon Bedrock AgentCore
Amazon Bedrock AgentCore 中的临时策略允许您定义有状态规则，根据代理的会话历史记录评估授权。了解如何强制执行工作流程排序、防止数据伪造、限制财务风险以及要求对高价值操作进行人工批准。
了解 Amazon Bedrock AgentCore 中的新功能：由 Dogwood（一种用于 AI 代理的新开源策略语言）提供支持的临时策略以及网关的速率限制。这些功能使您能够对代理操作序列和成本上限进行确定性控制，无论代理行为如何。
The US Air Force’s Most Advanced AI Fighter Test Flew on an F-16D That First Took Off in April 1992
X-62A VISTA 于 1992 年 4 月作为 NF-16D 首次飞行，这是通用动力公司和 Calspan 的可变稳定性试验台。 34 年后，同一机身在洛克希德·马丁公司人工智能代理的控制下进行了 27 次自主拦截，利用军团吊舱的实时红外数据发现并接近了一架 T-38 Talon。洛克希德公司于 8 月 4 日披露了结果。
How to Organize All of Your Coding Agent Tasks
优化您与编码代理的交互方式如何组织所有编码代理任务一文首先出现在走向数据科学上。
Building the enterprise environment for agentic AI
对于企业来说，代理人工智能的承诺不仅仅是一个更好的聊天机器人。它是跨人员、业务工作流程、数据和系统端到端执行业务任务的软件代理。最适合运行代理的平台具有适当的 CPU 容量、弹性数据访问、策略感知工具的使用、可观察性、内存管理以及……
Teaching LLMs to Update Beliefs for Efficient Long-Horizon Interaction
ABBEL 与传统递归摘要相比的概述。信念取代了完整的交互历史作为代理的工作环境，信念分级通过监督每个信念状态的内容来提高性能。随着任务范围的增长，LLM 环境无法永远扩展。自总结可以实现简洁、可解释的上下文，但会带来显着的性能成本，特别是对于高质量数据稀缺的人工辅助领域，例如协作代码生成。我们用 ABBEL 来解决这个问题：一个框架，以自然语言信念状态的形式隔离和监督摘要的信息内容。动机：递归摘要的成本对于语言模型来说，要有效地协助日益复杂的任务，例如软件开发，它们必须能够与我们进行数百甚至数千个步骤的交互。对于如此长的任务，将整个交互的历史记录保存在上下文中是不切实际的。迄今为止使用的启发
