Amazon Bedrock 现已在 bedrock-runtime 和 bedrock-mantle 两个端点上，为所有可用的 Anthropic Claude 模型支持结构化输出，可直接返回符合所定义 JSON schema 的响应，无需自定义解析、重试逻辑或后处理。
该功能通过约束解码在生成 token 时强制执行 schema，提供 JSON Schema 输出格式和严格工具调用两种机制，可用于数据抽取、智能体工具调用和批量分类。首次使用新 schema 需编译语法产物，编译结果按账号缓存 24 小时；schema 结构变更会使缓存失效。该功能已正式可用，支持批量推理，在 bedrock-runtime 上还支持跨区域推理。
Exowatt 借助 Amazon SageMaker AI 的无服务器模型定制，为边缘告警分诊和云端能源市场分析构建了可复用的微调流水线，模型精度超过前沿模型，成本最高降低 49 倍。
该方案先基于 Qwen3-1.7B 做边缘告警分诊，再以同样方法对 Qwen3-14B 做云端能源市场分析，微调采用 LoRA 与 SFT。流水线串联 S3、SageMaker 无服务器微调与评估、Model Registry、Bedrock Custom Model Import 及 Lambda 与 EventBridge，无需管理实例、集群或端点。
IBM Research 在 Hugging Face 博客介绍 ALTK-Evolve：它用 GPT-4.1 分析智能体在训练任务上的成功与失败轨迹，蒸馏出简短行为规则并追加到系统提示词，不更新模型权重。
在 τ²-bench 客服基准上，使用 stock ReAct 脚手架的 GPT-4.1 智能体在零售域 Pass^4 从 57.5% 升至 67.5%，平均准确率从 78.1% 升至 82.5%；航空域 Pass^4 从 35.0% 升至 45.0%。
读者可看到不更新模型权重、仅靠提示词层学习记忆，就能把普通客服智能体推到基准榜首的具体做法与代价。
Amazon Bedrock 9 月新增 OpenAI 的 GPT-6 Astra、Sol、Luna 系列模型，其中 GPT-6 Astra 支持最高 100 万输入 token，Ultrafast 版本推理速度最高提升 6 倍、达 300 tokens/秒。
Ai2 发布研究 Old Ideas, Novel Problems，并公开基准、数据和代码，用于测试 LLM 作为“新颖性评判者”是否可靠。
研究基于 ICLR 2026 评审意见构建两个数据集：154 篇高新颖性人类论文想法与 145 篇低新颖性想法组成 Human-Only，另有 154 个人类想法与 LLM 生成想法配对的 Human+Generated。
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的 0/1 可执行校验结果当作强化学习奖励，用于训练智能体。
用 GRPO 对 Qwen3.8-27B 训练 50 步后，在 507 项 ThinkingBox-Bench 任务各跑 20 次，pass@1 从 51.70% 升至 60.78%，20 次全部通过的任务从 38 个增至 107 个，而至少通过一次的任务从 453 个降至 446 个。训练池按离线策略相对难度筛选，只保留基础模型时对时错的任务，最终池含 187 个任务，基准任务未参与训练。
微软与 Hugging Face 把数据库终态校验直接当作强化学习奖励，并公开了任务筛选与训练代码，读者可据此判断这类奖励能否迁移到自己的智能体训练。
Amazon Bedrock 新增按 IAM 主体粒度的成本归因能力，推理费用会自动记到发起调用的 IAM 用户、角色、联邦身份或 API key 上，调用方 ARN 写入 AWS Cost and Usage Report（CUR）2.0 的 line_item_iam_principal 列，无需自建基础设施。
AWS 发布教程，介绍用 AWS Agent Registry 让智能体在运行时按语义搜索发现 MCP 服务器和 A2A 智能体，再动态构建客户端执行请求。
Registry 记录包含可搜索描述和协议描述符，但不返回调用凭证，认证需通过 Cognito OAuth 或 boto3 签名另行获取；只有完成审批流程的记录才会出现在可发现数据面。示例部署订单管理 MCP 服务器、两个 A2A 智能体和编排器，演示仅 MCP、MCP 加 A2A、以及工具名不含“退货退款”但靠描述语义匹配三种场景。作者指出小规模稳定目录或固定流水线仍适合构建期硬编码，搜索质量取决于描述与查询设计。
AWS 博客展示如何用 AtScale 作为语义层、配合 Amazon Bedrock AgentCore 构建面向智能体 AI 的 Customer 360 方案。
AtScale 采用维度模型（维度、层级、度量），用基于 YAML 的开放规范 Semantic Modeling Language 编写并纳入 Git 版本管理，单个已部署模型可同时通过 SQL、XMLA 和 MCP 三种协议对外暴露。
本系列第三篇用 Strategy Mosaic 作为语义层，在 Amazon Redshift 与 Amazon Aurora 上以两个链接模型建模 Customer 360 域，无需 ETL，并通过 MCP 端点让托管在 Amazon Bedrock AgentCore 上的 Strands 智能体访问。
本教程演示如何用 Denodo Platform 作为语义层、配合 Amazon Bedrock AgentCore 托管智能体，构建跨 AWS 与本地数据源的 Customer 360 查询方案。
Denodo 将 Amazon Aurora、Amazon Redshift 和本地 PostgreSQL 中的客户资料、订单历史与奖励账户三张表联邦为单一 customer_360 视图，智能体通过 Denodo MCP Server 以 VQL 查询，无需 ETL 搬移数据。
基于 Amazon Bedrock AgentCore 构建的 AI 智能体系统可自动生成 PowerPoint 演示文稿，内部测试中完成一份仅需不到 90 秒。
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
GitHub 公开了代码审查基准的构建方法与评测口径，读者可据此理解 AI 代码审查能力如何被量化比较。
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，它让智能体在隔离的 MCP 工具会话中运行，再根据终端后端状态和副作用而非生成文本打分，并让每个任务重复 20 次。
微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定任务成败，并给出可复现的 OpenEnv 运行方式。
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做去重与漏洞报告。
原文完整披露了自主模糊测试流水线的架构与覆盖反馈循环，读者可据此判断 LLM 智能体在安全自动化中的分工边界。