开源生态

AI 导读Nvidia发布开源数据引擎Flora，将机器人视频标注成本从每小时88美元降至72美分，质量评分略高于GPT-6 Astra。该系统基于三个微调Qwen3.5模型构建，能更可靠地捕捉机器人动作错误，但在描述准确性上有时不足。Nvidia将Flora定位为其控制整个机器人价值链战略的关键组成部分。

AI 选稿理由Flora将机器人视频标注成本降低125倍，同时保持高质量，为机器人训练数据标注提供了开源经济解决方案。

AI 导读月之暗面发布Kimi K3.1 Pro，2.8万亿参数模型在Artificial Analysis智能指数中排名第四，得分55，接近Fable 5.1。模型支持百万Token上下文，在代码、3D创作和长程Agent任务中表现优异，计划11月4日开放权重。同时推出Highspeed API，输出速度提升2-3倍，价格翻倍。独立评测显示其在网络安全测试中得分64%，为公开最高。

AI 选稿理由Kimi K3.1 Pro成为首个接近Fable-5.1级性能的开放权重模型，缩小了中美模型差距，并在网络安全领域取得突破性进展。

AI 导读Moonshot AI的Kimi K3.1 Pro在AI分析智能指数上获得55分，比前代产品提升11分，排名第四，仅次于三款Anthropic和Meta模型。如果Moonshot按计划发布权重，开源与专有模型之间的差距将缩小至仅3分。

AI 选稿理由Kimi K3.1 Pro在AI分析智能指数上取得显著进步，缩小了与顶级专有模型的差距，展示了开源模型的发展潜力。

AI 导读AWS发布多轮强化学习(MTRL)技术，通过Amazon SageMaker AI训练模型处理需要多步决策的任务。以Wordle游戏为例，使用GPT-OSS-20B模型，在默认推理能力下将解决率从61%提升至84%，低推理能力下从15%提升至69%，训练成本约339美元。该技术适用于企业内部多步骤任务，如工作流程自动化，无需指定正确路径，只需对最终结果评分。

AI 选稿理由提供了一种新的强化学习方法，通过单次奖励信号训练模型完成多步任务，适用于企业内部特定工作流程的AI能力提升。

AI 导读OpenAI通过Habitat平台实现可靠的多租户架构、全球缓存和Azure Cosmos DB集成，为ChatGPT提供12倍读取速度提升，支持10亿用户规模。

AI 导读拜耳作物科学在Amazon Bedrock AgentCore上构建了代理式决策引擎(ADE)，通过22个专业代理解决用户问题，80%无需工程师介入。该系统基于现有的连接决策引擎(CDE)，添加自然语言接口，使用LangGraph编排，通过AgentCore Gateway实现工具访问，并采用AWS统一运营支持。

AI 选稿理由拜耳实现了基于Amazon Bedrock AgentCore的代理式决策引擎，解决了复杂农业数据分析中的可解释性问题，提高了问题解决效率。

AI 导读10月下旬爆发大规模AI加速漏洞披露潮，包括PHP2Shell、GitLab、Node.js等关键软件漏洞，以及LiteLLM密码窃取、Quest Diagnostics数据泄露等事件。Anthropic推出Claude Duet主动代理，MiniMax发布M3.1 Flash模型，DeepSeek V4.1 Flash在CVE发现成本上领先。同时，三星2027年HBM产能售罄，价格预计上涨200%。

AI 选稿理由新增大规模AI加速漏洞披露事件及多家公司模型发布，包含具体漏洞细节和性能数据。

AI 导读NVIDIA创始人黄仁勋访问哈萨克斯坦，与总统托卡耶夫和AI部长马迪耶夫会晤，讨论该国AI发展计划。Firebird公司宣布在哈萨克斯坦建设AI工厂，计划部署45,000颗NVIDIA Grace Blackwell GPU，总容量达500兆瓦。哈萨克斯坦最大电信公司Kazakhtelecom已部署880颗NVIDIA GPU，并计划再部署2,000颗。NVIDIA宣布投资哈萨克斯坦本土AI初创公司Higgsfield。

AI 导读Hugging Face发布torch-neuronx模型支持查询工具，可查看Hub上哪些模型能在AWS Trainium上运行，无需修改代码。该工具提供模型运行结果、所需Trainium核心数、运行时间和峰值内存信息，并提供运行脚本。目前仅支持文本生成和图像-文本到文本模型，计划扩展到diffusers和sentence transformers等任务。

AI 导读微软与Hugging Face联合发布ThinkingBox-Training，通过将数据库终端状态的执行检查转化为奖励信号，对Qwen3.8-27B模型进行50步GRPO微调。结果显示，模型在ThinkingBox-Bench基准测试中的平均成功率从51.70%提升至60.78%，20次尝试全部成功的任务数量从38个增加到107个。该训练方法使用离线策略相对难度选择训练任务，显著提高了代理的可靠性和重复成功率。

AI 选稿理由提供了一种将数据库状态检查转化为强化学习奖励的新方法，显著提升了代理在业务工作流中的可靠性和重复成功率，适用于需要高可靠性的数据库操作场景。

AI 导读AWS宣布SageMaker AI serverless模型定制新增训练会话功能，允许开发者编写和协调训练循环，包括自定义损失函数或奖励信号，同时由平台处理GPU分配、分布式执行、故障恢复和检查点存储。支持SFT、DPO、RLVR、RLAIF或多轮强化学习等技术，可选择LoRA或全参数微调，并提供训练会话食谱和模型定制代理技能。目前支持gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B和Qwen3.8-27B模型。

AI 选稿理由AWS SageMaker AI训练会话提供基础设施管理下的自定义训练循环控制，支持多种后训练技术和多轮强化学习，降低模型定制门槛。

AI 导读AWS推出SageMaker训练会话API，允许开发者编写自定义训练循环，同时由服务管理GPU基础设施。该API提供forward_backward、optim_step和sample等操作，支持监督微调、强化学习等多种训练方法，并按使用量计费。同时发布训练会话食谱库，包含SFT和RL等可运行示例。

AI 选稿理由提供了一种新的训练范式，让开发者可以专注于算法逻辑而非基础设施管理，同时保持对训练过程的完全控制。

AI 导读NVIDIA扩展Cosmos平台，新增训练工具、仿真检查点和Cosmos Data Factory蓝图，帮助开发者构建世界模型。平台提供前沿开源模型、数据、训练和优化工具，支持扩展训练数据、适应模型、测试行为和部署前性能优化。Cosmos Data Factory提供五种云原生蓝图，包括自动驾驶数据集生成、图像属性增强等，已被保时捷、ANYbotics等公司应用，可减少90%重复物理测试，缩短85%开发周期。

AI 选稿理由新增Cosmos Data Factory五种云原生蓝图和具体应用案例，以及Cosmos Framework扩展支持更多开源模型，提供从训练到部署的完整工具链。

AI 导读全球企业正基于NVIDIA DSX AI工厂平台规划、模拟和运行电网与AI工厂一体化系统，从变电站到机架。该平台整合了电网、设施和计算系统，解决了电力成为基础设施最大瓶颈的问题，目前美国有超过200吉瓦项目排队等待并网。DSX Sim和SimReady资产可模拟验证发电机、开关设备和冷却系统；DSX Flex同步AI工厂需求与电网条件；DSX MaxLPS和DSX Exchange提升每瓦算力并安全共享信号。GE Vernova、Hitachi Energy、Schneider Electric和Siemens Energy等合作伙伴正扩展DSX应用，Phaidra和Emerald AI已集成DSX优化冷却和电力分配。

AI 选稿理由DSX平台整合电网与AI工厂系统，解决电力瓶颈问题，多家合作伙伴扩展应用场景，提升能源效率和算力输出。

AI 导读欧洲零售商正使用开放模型和物理智能技术，包括Shopify通过后训练模型将推理成本降低90%，Zooplus实现86%搜索准确率，L'Oréal将成分筛选时间从数月缩短至数小时，以及Mirakl处理7000万产品数据。NVIDIA还提供数字孪生技术帮助优化仓库运营和虚拟试衣体验。

AI 选稿理由展示了NVIDIA技术在欧洲零售业的具体应用成果，包括成本优化、准确率提升和效率改进，适用于零售和消费品行业。

AI 导读NVIDIA与合作伙伴及欧洲政府合作，将先进模型引入公共部门，提升行政效率并保持数据与基础设施控制权。多个欧洲国家项目采用NVIDIA开放模型，包括波兰医疗影像分析、英国合成数据集、德国数字助手、法国协作工作空间和希腊代理生态系统。NVIDIA还推出Codefest活动，支持将开放模型转化为本地化公共部门解决方案。

AI 选稿理由新增多个欧洲国家公共部门采用NVIDIA开放模型的具体案例，涵盖医疗、就业、数字助手、协作工作空间和代理生态系统等领域，展示了开放模型在公共部门的应用进展。

AI 导读研究团队提出SCOPE方法，将LLM代理的策略编译为可执行程序，由小型模型、确定性提取器和组合代码执行。该方法通过对抗生成反例优化程序，在真实世界策略任务基准测试中取得最高平均准确率，且预测结果更稳定、可解释性强。

AI 选稿理由SCOPE实现了可靠、可解释且高效的策略执行，适用于生产环境中的LLM代理策略管理。

AI 导读Anthropic宣布将Agent Skills开放标准捐赠给Agentic AI基金会(AAIF)，该标准已获ChatGPT、Cursor等70多个平台集成，目前已有100万个技能发布，近2.8亿次安装。Anthropic捐赠了标准名称、GitHub组织及域名，AAIF将确保标准的社区驱动和中立性，由Anthropic、Google、OpenAI等工程师共同维护。

AI 选稿理由Agent Skills作为开放标准被捐赠给AAIF，实现了社区驱动和中立维护，为AI代理技能的标准化发展提供了新路径。

AI 导读研究团队发布IQuest-Q1，一个稀疏专家混合(MoE)代理基础模型，总参数320亿(激活15亿)。通过三阶段训练开发：稳定高效预训练、细粒度中训练和多支架多版本后训练，结合SFT、领域专业RL和MOPD，增强代理编码能力。模型合并不同专家和检查点，缓解参数更新冲突。IQuest-Q1在编码和通用任务中展现能力，已开源支持社区研发。

AI 选稿理由开源320亿参数代理基础模型IQuest-Q1，通过三阶段训练和模型合并技术提升编码与通用任务能力。

AI 导读AWS推出自适应智能代理框架(AAIF)，使用Strands Agents构建，通过本地小语言模型(SLM)处理常规任务，复杂请求路由至Amazon Bedrock。该框架采用三层架构：智能编排层使用llama3.2:1b模型决策，本地处理层通过Ollama运行设备遥测和图像分析，云端处理层执行复杂模式分析。方案支持边缘设备、全云和混合部署，可降低约80%的API调用成本。

AI 选稿理由AAIF提供了一种具体的智能模型编排方法，通过本地与云端模型协同降低AI代理成本，适用于需要低延迟和离线能力的IoT监控等场景。