AWS 宣布 GLM 5.3 已在 Amazon Bedrock 上提供，企业用户可通过托管 API 调用该模型，并使用跨区域推理、提示词缓存和不同服务层级。文章给出 OpenAI 兼容 API 调用及显式提示词缓存的 Python 示例，还演示了如何将模型接入开源 AI 渗透测试智能体 Strix，对本地 OWASP Juice Shop 执行授权安全测试。
推荐理由：文章把 GLM 5.3 在 Amazon Bedrock 上的接入方式与缓存配置写成可操作示例，并展示了它在授权安全测试工作流中的用法。
Google Research 发布《Agent 隐私与安全中的开放问题与新兴问题：一种情境视角》研讨会报告，汇集 50 多位学界和业界人士的合作成果，梳理自主 Agent 面临的隐私与安全挑战。报告以情境完整性理论为基础，提出通过情境策略引擎评估数据流和行动是否恰当，并从系统、模型和用户层面探索多层防护。
AWS 介绍了在 AWS GovCloud (US) 中通过 Amazon Bedrock 配置 Claude Code，为受监管工作负载提供 AI 辅助开发方案。
推荐理由：文章并列说明 bedrock-runtime 与 bedrock-mantle 的功能和合规差异，并提供配置步骤，便于团队按审计与接口需求选择接入方式。
AWS 介绍了 Quick Resource Migrator，这是一个运行在 Amazon Bedrock AgentCore 上的 MCP 服务器，可将 Amazon Quick 资源从开发账户迁移到生产账户。
推荐理由：文章拆解了跨账户迁移的资源选择、权限复用、备份回滚与预览流程，可帮助团队理解如何把 Amazon Quick 资源纳入可审计的发布流程。
文章演示如何在 LangChain 与 Amazon Bedrock Managed Knowledge Base 中使用标准检索和智能体检索，比较它们处理多部分问题的方式。标准检索以一次混合搜索返回结果，智能体检索则拆分子查询、评估证据并在需要时继续搜索；前者更快、更便宜，后者在多跳问题上的召回有所提升，但成本和延迟更高。
推荐理由：文章用同一多部分问题对比单次检索与规划式检索，并拆解其成本、延迟和召回取舍，提供了按查询复杂度选择路径的依据。
AWS 展示了如何使用 Amazon Bedrock AgentCore Evaluations 构建并评估多智能体供应链决策系统，检查帮助性、业务准确性与可解释性。示例采用协调智能体和优化、分销、路线规划、分析四个专业智能体，并结合内置评估器与自定义评估器，分层验证通用质量、业务规则和决策说明。评估支持开发阶段的按需模式与生产环境的在线监控模式，文中提供部署、运行及评估步骤。
推荐理由：文章用供应链多智能体示例拆解三层评估流程，将通用质量、业务规则正确性与可解释性分开衡量，便于定位不同的改进方向。
Microsoft 与 Hugging Face 发布 ThinkingBox 和 ThinkingBox-Bench，用数据库终态及副作用评估 AI 智能体是否真正完成业务工作流，并将每项任务独立运行 20 次衡量一致性。
推荐理由：ThinkingBox 将评估焦点从对话和工具调用转向数据库终态，并通过每项任务重复运行衡量一致性，为检验智能体是否可靠完成业务流程提供了可复用基准。
AWS 介绍 Adjudicated Query 模式，使用 Amazon Quick 对话界面接收合规问题，并由确定性规则引擎完成租约核查，模型只负责将自然语言转换为固定操作调用和叙述结果，不参与判定。
推荐理由：文章以租约合规为例，拆解如何用确定性规则引擎与完整性回执保证逐条核查，并说明对话模型应与判定环节隔离。
GitHub 指出，AI 正在改变开发者的工作方式，并提出三项值得加强的技能：指导 AI 智能体完成任务、审查而非轻信 AI 的首个答案，以及用节省的实现时间解决更大的问题。GitHub Copilot 内置的 Rubber Duck agent 会使用第二个模型，在继续推进前评审计划、代码和测试。越多实现工作交由 AI 处理，开发者的技术判断、权衡能力和问题选择就越重要。
NVIDIA DGX Spark 将推出 64GB 配置，面向开发者、研究人员和 AI 爱好者，可在设备本地运行最多 100-billion-parameter 模型。
推荐理由：64GB 配置覆盖单机本地运行与双机扩展，文中还给出 Qwen 3.8 27B 测试的性能对比和集群接入方式，便于评估扩容路径。
ServiceNow CoreAI 构建了 AutoSynthData，根据目标模型的失败和更强教师模型的成功生成、验证训练任务，并用于模型微调。
推荐理由：文章展示了从模型失败提炼能力缺口、生成并验证训练任务的流程，并报告该方法在 EnterpriseOps Gym 两个领域的微调结果。
NVIDIA 与 CoreWeave 宣布在 CoreWeave Cloud 提供 NVIDIA Vera Rubin NVL72，并推出模型与智能体训练、评估和改进环境 CoreWeave Forge。
推荐理由：文章把 Vera Rubin 的生产部署、Vera CPU 测试和 Forge 的训练改进流程放在同一案例中，呈现从推理到持续优化的具体做法。
ProvenanceGuard 研究提出一种面向 MCP 智能体的生成后核验层，逐条检查回答中的主张是否得到其所指来源的支持，并输出来源判定及整体放行或拦截结果。在医疗智能体测试中，系统从 361 条主张中拦截了专家判定不应通过的 139 条中的 138 条，同时拦截了 67 条专家认为有支持的主张；对可识别来源的主张，来源判断准确率约为 86%。
推荐理由：研究针对MCP智能体把事实归到错误来源的问题，展示逐条核验来源的流程及其在医疗记录数据上的测试结果。
H Company 发布 Holo4 智能体模型系列，包含 27B dense 和 35B-A3B MoE 两种规格，并在 H Models API 提供使用。模型可通过 GUI、代码、MCP 和 API 与软件交互，并针对桌面、网页、Android、代码沙盒及业务 API 等环境开展工作。H Company 还发布了 Holotron4 Nano，并开源模型权重及公开基准测试的执行轨迹。
推荐理由：Holo4将GUI操作、代码执行与MCP或API工具调用纳入同一模型系列，并提供跨桌面、网页和Android等环境的使用方式。
Hugging Face Hub 为 RL Environments 新增专属筛选，并允许数据集通过框架标签标示兼容性。首批登记 Harbor、Verifiers、OpenEnv 和 NeMo Gym，页面会为每个框架生成运行命令；环境仍以数据集仓库形式托管，框架负责运行。该更新不新增仓库类型、注册中心或注册流程。
推荐理由：这次更新把 RL 环境作为带兼容性标签的数据集纳入 Hub，集中展示不同框架可加载的任务，并保留各框架运行环境的职责。
GitHub Copilot app 的 canvases 允许用户与智能体共享可自定义界面，并围绕各自工作流调整内容。用户可在智能体会话中输入 `/create-canvas` 技能并描述需求，无需手动编写代码或设计界面，智能体便会创建画布。画布可保存为团队共享或个人扩展，用户和智能体也能同时修改共享状态。
推荐理由：文章通过创建发布说明看板的示例，展示从自然语言描述到可复用画布的过程，并说明用户与智能体如何同步修改共享界面。
GitHub Blog 作者 Burke Holland 主张，聊天并非与 AI 交互的最佳界面，并介绍了 GitHub Copilot app 中名为 canvas 的可定制界面。
推荐理由：文章通过 Connect 4、Winget、SQLite 和开发流程自动化等实例，说明自定义界面如何让 Copilot 智能体参与任务并减少反复聊天交互。
Google Research 介绍一套面向长篇连贯视频生成的多智能体框架，旨在提升多镜头叙事的一致性并减少视觉漂移和流程错误传播。研究包含 Co-Director、CANVAS、A²RD 和 VQQA，分别处理创意编排、视觉连续性、长时序生成与闭环修正。评测中，Co-Director 在 GenAD-Bench 上取得 81.4 的峰值质量分数；其余框架也在文中列出的多个基准上展示了相应改进。
推荐理由：文章将长视频生成拆解为创意编排、视觉分镜、时序延展和闭环修正四类问题，并说明各框架如何应对连续性漂移。
GitHub Security Lab 开源了面向 C/C++ 项目的 Fuzzing Taskflow，由 LLM 智能体自动识别代码入口、编写 harness、运行 AFL++、根据覆盖率改进测试，并对崩溃进行分诊和生成漏洞报告。
推荐理由：文章拆解了覆盖率反馈、结构化输入生成与崩溃分诊的自动化流程，也说明模型报告仍需人工审查，可供安全测试工作流设计参考。
Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，为 Gemini Enterprise 提供带动态视觉形象的实时对话功能。它结合近实时视频生成与语音，支持后台异步调用工具并在对话不中断时处理任务，还可在97种语言间切换。组织可从参考图生成定制化 Avatar，但该功能目前仅向获准的企业开放；音视频输出均嵌入 SynthID 水印。
推荐理由：该功能结合实时音视频对话与后台异步工具调用，并支持跨97种语言切换，可看出企业对话场景中交互连续性与多语言适配的设计重点。
GitHub 重建了 GitHub Copilot app 的 Pull Request 视图，使包含 2,200 个文件、超过 100 万行变更和 400 多条行内评论的 PR 仍能流畅浏览。文章详述了代码行与动态评论分开管理高度、滚动时延后测量并保持阅读锚点，以及通过缓存和自动化测量循环定位性能问题的做法。
推荐理由：文章拆解了超大型 PR 视图的关键设计取舍，尤其说明动态评论如何影响虚拟化，以及团队如何通过锚定校正和自动化测量避免滚动卡顿。
Google Research 推出一项生成式界面研究实验，允许教师按教学目标和课程动态生成定制的互动学习模拟。Google 同时发布了 30 多个英文 STEM 互动示例，涵盖物理、化学、生物和数学，并由教师审核；12 名美国教师的初步试用评分平均为 8/10。
推荐理由：这项研究展示了生成式界面如何结合课程目标、分级挑战和教师审核来生成互动模拟，并给出了教师试用反馈。
GitHub 将 Copilot 智能体运行时从 TypeScript 迁移为 Rust，项目主要由 AI 智能体编写代码，并通过 128 个 pull request 分批合入和发布。运行时最终包含 832,378 行生产 Rust 代码，迁移期间发布了 135 个版本；作者还介绍了原地替换策略、测试验证以及多智能体协作中的协调经验。
推荐理由：文章以运行时迁移为例，结合渐进式替换、测试和发布数据，呈现了用智能体协作完成大型代码迁移的具体做法。
Google Research 在 ACL 2026 介绍 ToolGrad，一种先生成真实工具调用链、再标注对应用户查询的工具使用数据生成方法。它通过文本“梯度”迭代构建 API 工作流，并在 ToolBench 的 16k+ API 上生成数据；结果显示，该方法以较低成本生成更复杂的数据，数据生成通过率接近 100%。
Mistral 协助一家欧洲能源运营商将 40,000 行 Fortran 77 迁移至 C++，对象是缺少测试套件和集中文档的储层模拟器。团队先建立数值一致性测试框架并整理代码文档，再按模块运行规划、实现、测试和人工审查流程；首个冲刺覆盖了总计 300,000 行代码中的 40,000 行。
推荐理由：这次迁移展示了复杂遗留系统中智能体自主性的取舍，并给出可复用的流程要点，包括先建立数值一致性测试，再配合分模块实施与人工审查。
Berkeley AI Research 提出 ABBEL，通过自然语言信念状态压缩长交互历史，并用信念评分监督状态中保留的信息。 在 CollabBench 协作编程实验中，重建式信念评分将与完整上下文的性能差距缩小约一半，训练步数从 100 降至 50；峰值上下文 token 长度也低于完整上下文设置。
Berkeley AI Research的这篇观点文章提出，随着知识工作所需的AI智能持续降价，数据系统将面临三类变化：为智能体的高并发探索式查询重新设计、支撑智能体群体的记忆与协作，以及由智能体按工作负载合成定制数据系统。文章还讨论了查询复用、结构化记忆、共享状态管理和验证生成系统正确性等研究方向。