如何为 agentic automation 构建商业案例：AWS 提出 Agentic Value Model
AWS 提出 Agentic Value Model，用于为 agentic automation 构建商业案例，指出传统"节省工时×人力成本−建设成本"的 ROI 模型只适用于 RPA 等规则型工具，会漏掉大部分智能体创造的价值。
#部署/工程
AWS Machine Learning BlogAI 评分26 AWS Machine Learning BlogAI 评分22 Qlik 如何用 Amazon Bedrock 构建企业级可信 AI
Qlik 基于 Amazon Bedrock 打造 Qlik Answers，为全球超 4 万家客户提供带来源引用的自然语言问答，2026 年 2 月正式可用后其 Discovery Agent 已为客户发现超 10 万条洞察。
Latent SpaceAI 评分60 Kubernetes 创始人谈 Stacklok 如何让编码智能体在云端可靠运行
Latent Space 采访了 Kubernetes 创始人 Craig McLuckie 和 Joe Beda，他们创办的 Stacklok 已从软件供应链安全转向基于 Kubernetes 的智能体基础设施，核心产品是 6 月开源的云原生 harness Mecatl。
Google Research 精选AI 评分62 Google 发布基于 TEE 的新一代联邦学习系统，Gboard 已采用
Google Research 公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远程验证和审计的保证，Gboard 已采用该系统上线英语和日语下一词预测模型。
关注点Google 公布基于 TEE 的新一代联邦学习系统设计，并给出 Gboard 已上线的实际效果，可了解隐私可验证训练的一种工程路径。
Hugging Face BlogAI 评分36 ServiceNow CoreAI 推出 AutoSynthData：为企业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与更强教师的成功经验定位能力缺口，再生成并验证新任务用于后训练，课程随模型进步动态调整。
该流程在 EnterpriseOps Gym 环境中演示，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。
Microsoft ResearchAI 评分34 微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站
微软研究院实习生开发了一套端到端机器学习系统，利用 L1 太阳风观测、AE 与 Dst 指数预报及地质电导率数据，为美国本土 66,935 座变电站生成提前 30-60 分钟的区域性空间天气风险估计。
Mistral AIAI 评分42 Mistral 在慕尼黑开设德国中心，推进工业 AI 与 Physics AI
Mistral 在慕尼黑开设德国中心，组建专注 Physics AI 与工业 AI 的研究团队，并计划到 2030 年建成 1 吉瓦欧洲算力。
该中心将与 BMW 合作碰撞仿真与工程 AI、与 Siemens Energy 合作工业 AI 应用，并与慕尼黑工业大学（TUM）合作利用风洞设施开发汽车空气动力学数字孪生。
GitHub Blog · AI & MLAI 评分38 GitHub Copilot 为什么说聊天框是错的 UI
GitHub Copilot 提出用 canvas 替代聊天框作为与 AI 协作的主要界面：canvas 是运行在 GitHub Copilot 应用内的全栈小应用，可与 agent 双向通信，也能调用第三方 API 或在本地执行代码。
GitHub Blog · AI & MLAI 评分22 GitHub Copilot 应用如何渲染超大 pull request
GitHub Copilot 应用重建了 pull request 视图，以流畅渲染含 2,200 个文件、超百万行改动和 400 多条行内评论的超大 PR。
其做法是把文档高度拆成确定性的代码几何与动态评论块两套几何：代码行高提前精确计算，评论高度则惰性测量、按文件行号锚定，避免滚动跳变。
Microsoft Research 精选AI 评分60 微软研究院：把物理 AI 推理卸载到边缘或云端可提升机器人表现
微软研究院对移动操作机器人工作负载做了首次系统性测量，发现把物理 AI 推理从机器人本体 GPU 卸载到边缘或云端 GPU，能提升任务成功率、支持更大模型并延长续航。
关注点微软研究院首次系统测量机器人本体推理与卸载推理的差距，给出任务成功率、电池续航和工具链的具体数据。
Mistral AIAI 评分38 Cloudera 与 Mistral 达成合作，将主权 AI 引入企业数据平台
Mistral 与 Cloudera 建立合作，将 Mistral 模型集成进 Cloudera 混合数据平台，企业可在私有云、公有云、本地及完全气隙环境中部署推理并保持完全控制。
企业还能在受控环境中用专有数据训练自有模型，数据与模型所有权归企业所有。Cloudera 平台承载 30 exabytes 客户管理数据。
Mistral AI 精选AI 评分62 Mistral 用 AI 智能体迁移 4 万行 Fortran 遗留代码
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 的油藏模拟器迁移到 C++，该代码库没有测试套件也没有集中文档。
团队先搭建数值对齐测试框架，用自定义解析器生成调用树，再通过 Vibe CLI 启动上百个智能体逐节点补文档并提交 PR。迁移采用规划、编码、测试、审查多智能体加人工审核的分模块工作流，首个冲刺完成 30 万行中的 4 万行。
关注点Mistral 公开了用智能体迁移 4 万行 Fortran 的完整流程，其中先建数值对齐测试再迁移的做法可迁移到其他遗留系统改造。
Mistral AI 精选AI 评分71 Mistral 发布 Agentic Search 检索层，FinanceBench 准确率从 26.7% 升至 86%
Mistral 发布 Agentic Search，作为让 AI 系统在复杂文档中导航、阅读并核验信息的检索层，通过 Mistral Search Toolkit 和 Studio、Vibe 中的 Libraries 提供。
关注点原文给出多步检索循环在 FinanceBench 与 OfficeQA Pro 上的准确率、token 与延迟变化，可据此判断传统 RAG 的边界。
Berkeley AI Research 精选AI 评分62 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
IBM Research 与 UC Berkeley Sky Lab 将演化式内核搜索框架 K-Search 扩展到 Apple 的 MLX，并加入结构化 CUDA 到 MLX 翻译层，让已有 CUDA 内核作为知识库适配 Apple Silicon。
关注点读者可看到 CUDA 优化知识如何被结构化迁移到 Apple Silicon，以及翻译层对最终性能的具体贡献。
Berkeley AI ResearchAI 评分36 智能免费之后怎么办？面向智能体、由智能体运行、为智能体而建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1、部分低于 $0.10，数据系统面临三大新挑战：为智能体而建、由智能体运行、由智能体合成。
Berkeley AI ResearchAI 评分38 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!
Andrej Karpathy BlogAI 评分60 Karpathy 发布 microgpt：200 行纯 Python 实现 GPT 训练与推理
Andrej Karpathy 发布 microgpt，一个 200 行、无依赖的纯 Python 单文件项目，完整包含数据集、tokenizer、autograd 引擎、GPT-2 式网络架构、Adam 优化器、训练循环和推理循环。