标签

LLM

在 Amazon Bedrock 上使用 Grok 4.3：从对话请求到企业级智能体

来源: aws.amazon.com 51
Grok 4.3 已可通过 Amazon Bedrock 访问。对开发团队而言，这不仅意味着多了一个模型选项，更重要的是可以在 Bedrock 的统一接口和云治理体系中，把 Grok 用于智能体与企业工作负载。常见入口包括基础对话、可调推理强度、工具调用、结构化输出、图像输入，以及需要保留上下文的多轮会话。 企业中的模型调用很少停留在单轮问答。一个采购...
# AI # AWS # LLM
阅读全文

从聊天机器人到可执行 AI Agent：Google 客户体验平台的生产化路径

来源: cloud.google.com 45
Google 连续第二年进入 Gartner 2026 年对话式 AI 平台魔力象限的领导者区间，并表示自己在“愿景完整性”和“执行能力”两个维度上分别处于最远和最高位置，同时在四项关键能力用例中的三项排名第一。比排名更值得工程团队关注的是背后的产品方向：企业客户体验正在从“回答问题的聊天机器人”转向能够理解意图、检索企业知识、调用业务系统并在必要时转...
# AI # GCP # Go
阅读全文

Nemotron 3 Embed 登顶 RTEB：智能体检索真正该关注什么

来源: huggingface.co 55
NVIDIA Nemotron 3 Embed 在 RTEB 综合排名中取得第一，释放了一个值得关注的信号：面向智能体的检索模型，竞争焦点已经不只是“找出语义相近的文本”，而是能否在多轮、动态、带工具调用的任务中稳定提供正确证据。 由于来源只给出了榜单结论，没有提供模型尺寸、向量维度、许可证、延迟和各子任务分数，本文不会推断这些细节。更实际的问题是：这...
# AI # Hugging Face # LLM
阅读全文

AI 攻防进入秒级时代：防守方如何用深度上下文夺回主动权

来源: cloud.google.com 41
AI 正在同时提高攻击和防御的自动化水平。攻击者可以用多模型生成钓鱼内容、构造深度伪造、寻找零日漏洞，并让多个代理在数十秒内完成攻击阶段交接。防守方真正可持续的优势，却不是拥有更多模型，而是掌握攻击者进入企业环境后仍然缺少的深度上下文：资产在哪里、服务如何通信、身份属于谁、代码由哪个团队维护，以及某个漏洞是否真的能够抵达关键数据。 这意味着安全团队不能...
# AI # GCP # Go
阅读全文

十支 AI 剧组拍完短片后，暴露了多智能体协作的真正难点

来源: cloud.google.com 38
让多个 AI 智能体共同完成一部短片，难点并不只是生成图片、视频和配音。真正棘手的是：任务跨越多个阶段，产物格式各异，智能体会崩溃、遗忘，甚至会把一个 94 字节的占位文件当成已经完成的影片。 在一次生成式媒体黑客松中，十支 AI 剧组各自配置了三名角色明确的智能体，并运行在开源多智能体编排试验平台 Scion 中。整个项目累计创建了数百个智能体实例，...
# AI # GCP # Go
阅读全文

把基础模型升级从数月压缩到数小时：评测器、智能体循环与提示词爬山

来源: cloud.google.com 57
基础模型升级很少是一次简单的模型名称替换。即使只是在同一模型家族内切换检查点，工程团队也要重新验证质量、延迟、成本和边界案例。模型演进速度越来越快，如果每次升级都依赖人工逐条检查，迁移周期很容易从几周拖到几个月。 Google Cloud Applied ML 团队给出的核心思路，是把模型迁移重新定义为一个可评测、可搜索、可追踪的智能体工作流。其内部实...
# AI # GCP # Go
阅读全文

青少年需要的不是 AI 禁令，而是适龄、安全且可监督的访问

来源: openai.com 41
生成式 AI 已经进入青少年的学习、创作和信息检索过程。真正需要解决的问题，不再是青少年会不会使用 AI，而是产品能否提供与年龄相匹配的保护，同时保留探索、提问和学习的空间。 围绕这一目标，OpenAI 正在从适龄保护、学习工具、家长控制和专家合作几个方向提高 ChatGPT 对青少年的安全性。这些措施指向同一个产品原则：青少年账户不能只是成人账户的缩...
# AI # LLM # OpenAI
阅读全文

用 Bedrock AgentCore 与 Nova 2 Sonic 构建低延迟餐厅电话点餐助手

来源: aws.amazon.com 43
电话点餐系统最难处理的并不是把语音转成文字，而是让电话网络、实时语音模型、智能体和餐厅业务系统在同一个低延迟会话里稳定协作。这个方案使用 Amazon Bedrock AgentCore 托管并运行智能体，以 Amazon Nova 2 Sonic 处理实时语音，再通过 Model Context Protocol（MCP）访问菜单、门店和订单后端。电...
# AI # AWS # LLM
阅读全文

把 AI 漏洞代理关进笼子：从风险评分到可审计修复流水线

来源: cloud.google.com 43
漏洞管理的时间窗口正在急剧缩短。来源材料引用的 M-Trends 2026 数据显示，平均漏洞利用时间已经降到 -7 天，也就是攻击者可能在补丁发布前一周就开始利用漏洞。安全团队因此开始把大语言模型代理接入代码仓库、IDE 和 CI/CD，希望自动发现漏洞、生成 PoC，甚至直接提交修复。 真正棘手的问题不是模型能否找到 Bug，而是：当一个能够读取代...
# AI # AWS # GCP
阅读全文

从工具调用到生产护栏：安全构建 AI Agent

来源: docker.com 52
AI Agent 不只是“会聊天的模型”。它接收目标、观察环境、选择工具、执行动作，再根据结果决定下一步。这样的循环让模型能够处理多步骤任务，也同时放大了提示注入、越权调用、成本失控和不可审计等风险。真正困难的部分不是让 Agent 调用一次 API，而是让它在生产环境中始终待在明确的权限和预算边界内。 一个典型 Agent 可以拆成五个部分： 目标：...
# AI # Docker # LLM
阅读全文