用 Amazon Bedrock AgentCore 构建可自我改进的文档处理系统
AWS 发布教程，介绍如何用 Amazon Bedrock AgentCore 搭建由 8 个智能体组成的文档处理系统，自动完成分类、抽取、校验，并在遇到新格式时生成抽取提示词、失败后自动修正并保存复用。
推荐理由：AWS 官方给出多智能体文档处理方案的完整部署步骤，含代码仓库、成本估算与自定义改造路径。
教程与指南
全部主题拿来就能用的实操内容：提示词技巧、工作流搭建、工具配置与踩坑经验的分步操作指南。
最新精选
第 1–11 条 · 共 11 条AWS Machine Learning Blog精选AI 评分6262
AWS Machine Learning Blog精选AI 评分6262 在 Amazon Bedrock 上用全球跨区域推理调用 OpenAI GPT-6 模型
AWS 发布教程，介绍泰国、马来西亚、新加坡、印度尼西亚和台湾的团队如何通过 Amazon Bedrock 的 global cross-Region inference 调用 OpenAI GPT-6 Sol、GPT-6 Luna 和 GPT-6 Astra，其中 Astra 仅从亚太（新加坡）区域提供。
推荐理由：AWS 官方教程，讲清在五个亚太区域通过 global cross-Region inference 调用 GPT-6 的配置、IAM/SCP 与配额监控要点。
AWS Machine Learning Blog精选AI 评分6060 如何在 Amazon SageMaker AI 上用 llama.cpp 部署决策模型
AWS 发布教程，介绍用 AWS DLC for llama.cpp 在 Amazon SageMaker AI 上部署决策模型，先通过 InvokeEndpoint 提供 OpenAI 兼容的 chat completions，再用 SemIf 适配器返回声明选项上的概率而不生成答案 token。
推荐理由：AWS 官方教程，给出在 SageMaker AI 上用 llama.cpp 部署决策模型的完整步骤与 CPU/GPU 基准数据，含可直接运行的代码示例。
AWS Machine Learning Blog精选AI 评分6262 如何在 AWS GovCloud 中用 Claude Code 调用 Amazon Bedrock
AWS 发布指南，介绍在 AWS GovCloud (US) 中通过 Amazon Bedrock 使用 Claude Code 的配置方法，支持 bedrock-runtime 与 bedrock-mantle 两个端点，前者支持 Guardrails 和调用日志，后者原生支持 Anthropic Messages API。
推荐理由：面向受监管环境的部署指南，讲清 Claude Code 接入 AWS GovCloud 中 Amazon Bedrock 的三种配置方式与合规取舍。
AWS Machine Learning Blog精选AI 评分6060 如何用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
AWS 发布教程，演示如何把 Amazon S3 Vectors 作为 NVIDIA NeMo Agent Toolkit（NAT）的持久记忆层，通过实现自定义 MemoryEditor 插件完成记忆的写入与语义检索。
推荐理由：给出把 Amazon S3 Vectors 接入 NVIDIA NeMo Agent Toolkit 记忆层的完整代码与 EKS 部署步骤，适合自建多智能体记忆的团队参考。
AWS Machine Learning Blog精选AI 评分6262 用 Amazon Bedrock AgentCore 构建环境智能体：从事件驱动信号到人在回路工作流
AWS 发布基于 Amazon Bedrock AgentCore 的环境智能体参考实现，让 S3 上传或定时事件自动生成任务并由智能体执行，需要时通过 ask_human 工具暂停等待人工确认。
推荐理由：AWS 官方给出事件驱动智能体的端到端参考实现，含 ask_human 中断机制与 CDK 部署步骤，可照着搭一套。
AWS Machine Learning Blog精选AI 评分6262 在 Amazon Bedrock AgentCore Runtime Instances 上构建多智能体音乐制作流水线
AWS 官方博客演示在 Amazon Bedrock AgentCore Runtime Instances 上部署三智能体音乐制作流水线，由作曲、交付、合规三个智能体在同一 GPU 实例和共享会话中协作，最终产出可播放的 .wav 文件。
推荐理由：AWS 官方给出三智能体音乐制作流水线的完整代码与部署步骤，可迁移到 GPU 长任务的多智能体协作场景。
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。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6060 用 Sentence Transformers 训练和微调多向量嵌入模型
Sentence Transformers v6.0 新增 MultiVectorEncoder 模型类型，支持 ColBERT 式后期交互检索，并给出从模型、数据集、损失函数到 Trainer 的完整训练流程。
推荐理由：Sentence Transformers v6.0 新增多向量编码器训练教程，含完整脚本与单卡 14.5 小时微调实测对比。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6262 用 Strands Agents、LeRobot 和 Hugging Face Storage Buckets 打通机器人数据闭环
AWS 开源 SDK Strands Robots（Apache 2.0）发布教程，演示在单个 Strands agent 内完成机器人数据的录制、存储、训练与部署闭环。
推荐理由：AWS 开源 SDK 的实操教程，讲清机器人数据从录制、去重存储到流式训练和部署的完整闭环，附可运行 notebook。
Ahead of AI · Sebastian Raschka精选AI 评分7878 从 DeepSeek V3 到 V3.2：架构、稀疏注意力与强化学习更新
Sebastian Raschka 撰文梳理 DeepSeek V3 到 V3.2 的技术演进，指出 V3.2 沿用 V3.2-Exp 的架构，核心变化是加入 DeepSeek Sparse Attention（DSA），把注意力复杂度从 O(L²) 降到 O(Lk)，token selector 的 top-k 在官方代码中设为 2048。
推荐理由：梳理 DeepSeek V3 到 V3.2 的架构与训练变化，说明稀疏注意力和自验证如何影响效率与数学能力。