用 AI 智能体反编译一款第一人称射击游戏：500B tokens 后的经验复盘
作者用约 3 个月、估计 600-700 亿 tokens，让 AI 智能体把一款第一人称射击游戏反编译成可编译的 C++，最终 99% 的函数进入重建源码、83% 实现字节级精确匹配。
推荐理由：用 15 个以上 AI 智能体在数月内反编译一款第一人称射击游戏，作者复盘了字节匹配验证、指令衰减和智能体作弊等可迁移经验。
10月13日 · 周二
精选
最新精选
Hacker News · Front Page精选AI 评分8585 Hacker News · Front Page精选AI 评分8888 Cockroach Labs 用医院式多智能体流水线五个月开发 MOLT 迁移工具
Cockroach Labs 把编码智能体按教学医院角色组织成 MOLT Sinai 流水线，五个月内让 MOLT 工具新增 IBM Db2 迁移支持，而 2024 年加 Oracle 支持用了 9 个月、约 16 万美元工程时间，Db2 只花不到两天、4172 美元 token 费用。
推荐理由：Cockroach Labs 用医院角色分工的多智能体流水线跑五个月真实迁移工具开发，给出成本、返工与流程设计的可迁移经验。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6767 Ai2 如何用 GPU 时间预算和分层公平调度改造集群调度器
Ai2 的 AI 基础设施团队把基于优先级的调度器换成由 GPU 时间预算、分层公平分配和时间切片契约组成的系统，管理 88 到 1024 卡规模的 NVIDIA H100、B200、B300 集群。
推荐理由：Ai2 用 GPU 时间预算和分层公平调度替换优先级调度，讲清了排队、抢占和 on-call 工单如何变化。
OpenAI News精选AI 评分6262 Asana 借 GPT-6 Astra 在 Codex 中把浏览器智能体测试成本降低 76 倍
Asana 使用 Codex 中的 GPT-6 Astra 优化其浏览器智能体，在测试中把成本降低 76 倍、速度提升 5 倍，目的是为客户提供能力更强的模型。材料仅提供摘要，未披露具体优化方法与测试条件。
推荐理由：Asana 用 GPT-6 Astra 在 Codex 中优化浏览器智能体，测试中成本降 76 倍、速度提升 5 倍，可看真实工程取舍。
AWS Machine Learning Blog精选AI 评分7171 Postman 如何在 Amazon Bedrock 上为 4000 万开发者运行 Agent Mode
Postman 与 AWS 复盘了 Agent Mode 在生产环境的架构：工具数量超过约 40 个后工具选择错误上升，因此用向量数据库把 170 多个工具按任务收窄到约 15 个，并交给上下文隔离的子智能体。
推荐理由：Postman 在 Amazon Bedrock 上把 Agent Mode 做到 4000 万开发者规模，讲清工具膨胀、上下文预算与跨区域推理的取舍。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分7878 作者用 ML Intern 两天做出六个小模型，总算力成本约 103 美元
作者在 HuggingChat 中开启 ML Intern，用自然语言描述需求，两天内做出六个模型，包括 0.8B 的 Pocket Rewriter、柑橘病害 VLM、Huggy 与相机角度 LoRA 等，总 GPU 与 CPU 算力费用约 103 美元。
推荐理由：作者用 ML Intern 在两天内从零做出六个小模型，含提示词写法、预算控制与每项算力成本，可迁移到自己的微调任务。
GitHub Blog · AI & ML精选AI 评分6666 GitHub 推出 AI 密钥检测模型，把 push 保护扩展到非结构化密钥
GitHub 发布基于 ModernBERT 的通用密钥检测分类器，利用周边代码上下文识别数据库 URL、Kubernetes Secret manifest 和 Dockerfile 中的密码类值，可在 2 毫秒内评估一批候选密钥，官方称能让 push 保护可拦截的密钥数量翻倍以上。
推荐理由：GitHub 用 ModernBERT 分类器把密钥检测做进 push 环节，2 毫秒内判断候选密钥，官方称可拦截数量翻倍以上。
AWS Machine Learning Blog精选AI 评分6262 AWS 用 Lambda Durable Functions 打通 DevOps Agent 调查后的自动修复
AWS 发布方案，用 AWS Lambda Durable Functions、Amazon EventBridge 和 Amazon Bedrock 把 AWS DevOps Agent 的调查结论转成待审批的修复动作，减少 MTTR。
推荐理由：AWS 官方给出把 DevOps Agent 调查结论接到自动修复的完整方案，含 CDK 代码与人工审批环节，可照着部署。
AWS Machine Learning Blog精选AI 评分6969 Cornerstone OnDemand 用 Amazon Bedrock 将数据库诊断时间缩短 78%
Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建多智能体系统 Orion AI，把数据库诊断时间从每次约 45 分钟降到 10 分钟，减少 78%。
推荐理由：Cornerstone 用多智能体把数据库排障从 45 分钟压到 10 分钟，文中给出可复用的架构与设计取舍。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分7878 微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再按终端后端状态和副作用判定成败，而非看模型生成的回复。
推荐理由：微软与 Hugging Face 联合发布 ThinkingBox，用数据库终态而非模型自述来评判智能体，并给出 507 个任务重复 20 次的稳定性与成本数据。
AWS Machine Learning Blog精选AI 评分6060 AWS 用 Amazon SageMaker AI 多轮 RL 微调 Qwen3.6-27B 搜索智能体
AWS 团队在 Amazon SageMaker AI 上用多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，以 nDCG@10 作为轨迹级奖励，只改动 max_epochs、global_batch_size、rollout_max_concurrency 三个超参数。
推荐理由：AWS 团队用 SageMaker AI 多轮 RL 微调 Qwen3.6-27B 搜索智能体，给出奖励设计与各基准的检索质量、失败率变化。
AWS Machine Learning Blog精选AI 评分6262 AWS 用 Amazon Quick 与 Adjudicated Query 模式批量核查数万份租赁合同
AWS 提出 Adjudicated Query 模式，让 Amazon Quick 聊天界面负责把自然语言问题翻译成对固定 MCP 工具集的调用，实际合规判定由确定性规则引擎完成，模型不写查询也不做判定。
推荐理由：AWS 用 Amazon Quick 加确定性规则引擎做租赁合规扫描，给出可证明完整性的架构与可部署样例。
Latent Space精选AI 评分7878 Airbnb CTO 谈 AI 转型：60% 代码由 AI 编写，异步 Agent 开始接管 on-call
Airbnb CTO Ahmad Al-Dahle 介绍公司 AI 转型进展，目前 60% 的代码由 AI 编写，功能交付量同比增长近 80%，工程师人均 PR 吞吐量提升约 1.6 倍。
推荐理由：Airbnb 把 AI 用进研发与客服的真实数据与做法，含异步 Agent 自动接管 on-call 的尝试。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6666 ServiceNow 发布 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 提出 AutoSynthData，用目标模型的失败和更强教师的成功来定位能力缺口，再生成并验证新的可执行任务用于后训练。
推荐理由：ServiceNow 提出用模型失败与教师成功自动生成企业智能体训练任务，并在 EnterpriseOps Gym 上验证 Pass@1 提升。
AWS Machine Learning Blog精选AI 评分6262 AWS 用 Amazon Bedrock AgentCore 上的智能体把云迁移 IaC 编写从数周压缩到分钟
AWS Professional Services 在一个 300+ 应用的迁移项目中采用四智能体模式，基于 Strands Agents SDK 构建并运行在 Amazon Bedrock AgentCore 上，通过 MCP 工具连接源与目标系统，据内部项目跟踪数据把每个应用的 IaC 开发时间从 3 到 4 周降到分钟级。
推荐理由：AWS 团队用四个 Strands 智能体把 300+ 应用的 IaC 编写从每应用 3 到 4 周压缩到分钟级，含架构与代码。
AWS Machine Learning Blog精选AI 评分6060 用 Amazon Nova Act 和 Bedrock AgentCore 实现合成监控
AWS 发布教程，介绍用 Amazon Nova Act 与 Amazon Bedrock AgentCore 构建智能体驱动的合成监控，以自然语言动作替代 Selenium、Playwright 的 DOM 选择器脚本，由 EventBridge Scheduler 定时触发、SNS 发送失败告警。
推荐理由：用自然语言动作替代 DOM 选择器做合成监控，给出架构、部署命令与成本估算，适合评估浏览器巡检方案。
AWS Machine Learning Blog精选AI 评分6060 康泰纳仕如何用 Amazon Bedrock 构建多模态视频检索
康泰纳仕与 AWS 生成式 AI 创新中心基于 Amazon Bedrock、Amazon OpenSearch Service 和 TwelveLabs Marengo 嵌入模型，构建了跨视频转录、画面与音频的意图语义检索方案，把单次内容发现任务从平均 250 分钟降到约 2 分钟。
推荐理由：康泰纳仕用 Amazon Bedrock 与 TwelveLabs Marengo 搭建多模态视频检索，把单次找片从 250 分钟压到约 2 分钟，架构与经验可迁移。
AWS Machine Learning Blog精选AI 评分6262 NarrateAI 如何在 Amazon Bedrock 上实现生产级 LLM 质量保障
AWS 团队介绍 NarrateAI 在 Amazon Bedrock 上落地的五项质量保障技术，包括自适应流水线编排、跨账号多模型故障转移、实时流式评估、复合评估框架和数据准确性校验，服务超过 4000 名 AWS 高管用户。
推荐理由：AWS 团队复盘 NarrateAI 在 Amazon Bedrock 上的五项质量保障技术，含延迟、准确率与成本数据，可迁移到实时 LLM 应用。
GitHub Blog · AI & ML精选AI 评分8787 GitHub 用 Copilot 把 Copilot 运行时迁移到 Rust
GitHub 用 Copilot app 和 Copilot CLI 把 Copilot agent 运行时从 TypeScript 完全重写为超过 80 万行生产级 Rust，代码主要由 AI 智能体编写，分布在 128 个合入 main 的 PR 中，并随版本增量发布而非一次性切换。
推荐理由：GitHub 用 Copilot 把自家 agent 运行时从 TypeScript 迁到 80 万行 Rust，含缓存命中率与多会话协作的一手数据。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分7171 IBM 研究：智能体任务通过率背后的一致性差距与 ALTK-Evolve 修复方法
IBM 研究团队指出，GPT-4.1 驱动的 ReAct 智能体在 AppWorld 上 Mean@5 为 77.4%，但 Pass^5 仅 53.0%，存在 24.4 个百分点的“一致性差距”，即同一任务重复运行并非每次都成功。
推荐理由：IBM 团队提出用 Pass^k 衡量智能体稳定性，并给出把一致性差距减半的诊断与指南生成方法。