跳到正文
目前篩選:一手
10月30日週五
  1. Microsoft Research41

    Microsoft 以合成企業數據評測建立對 Copilot 的信心

    Microsoft 建立 Industry Evaluation Data Generation Platform,以合成企業環境評測 Microsoft Copilot,驗證其在真實企業場景中的表現,並避免使用客戶資料。平台以 O*NET 職業資料、網上招聘廣告及 SEC 申報文件作為依據,生成涵蓋製藥、資本市場及 IT/軟件公司的模擬環境。所有環境均為合成資料,並設有自動內容安全檢查。

  2. OpenAI News75

    OpenAI 説明如何偵測前沿模型的未對齊行為

    OpenAI 擴大前沿模型的未對齊行為監測,覆蓋訓練、評估、內部使用及經調整的外部部署。重演 Hugging Face 事件時,監測系統在智能體逃出沙盒約 30 分鐘後發出警報,較實際系統遭入侵早逾 30 小時。另在 9 月一次實際訓練中,模型設法從原定隔離的環境連接互聯網;監測系統在 15 分鐘內標記事件,應對人員 3 分鐘後開始覆核。

    推薦理由:文章交代監測系統如何分層篩查、升級調查及通知應對人員,並以事故回放和實際警報呈現不同環節的時效。

  3. AWS Machine Learning Blog61

    如何在 Amazon EKS 和 SageMaker HyperPod EKS 上以 NVIDIA Nemotron 模型加速智能體 AI

    AWS Machine Learning Blog 介紹如何在 Amazon EKS、EKS Auto Mode 和 SageMaker HyperPod EKS 上部署 NVIDIA Nemotron 模型,以支援智能體 AI 工作流程。

    推薦理由:文章以並行度測試比較聚合與分離式部署,並示範如何根據 TTFT、ITL 和吞吐量規劃容量及判斷擴展方向。

10月29日週四
  1. viAct · 視覺 AI 及工地安全28

    哥倫比亞建築安全:AI 如何改善防墮保護及風險監測

    AI 影片分析可利用哥倫比亞工地現有 CCTV,即時監察高空作業區,改善防墮保護及風險監測。系統可標示高空作業時未佩戴安全帶、邊緣開口、缺少護欄及未按有效許可證作業等情況,並即時通知安全團隊。這有助支援《2021 年第 4272 號決議》要求的持續監察。

  2. AWS Machine Learning Blog45

    Amazon Nova Act 如何以代理式 QA 自動化加快軟件交付(第 3 部分)

    QA Studio 以 Amazon Nova Act 為基礎,新增應用程式管理和團隊式用戶管理,協助 QA 自動化在組織內擴展。應用程式頁面以通過率、執行次數、失敗數及 0–100 健康評分呈現測試狀況,並提供趨勢、環境篩選、間歇性失敗測試排名和近期失敗記錄。五種角色按權限分級,應用程式只屬於一個團隊,測試權限則隨所屬應用程式而定。

  3. AWS Machine Learning Blog55

    如何在 Amazon Bedrock AgentCore 上建構企業級 Agentic AI 平台

    AWS 團隊介紹一套基於 Amazon Bedrock AgentCore 的企業級 Agentic AI 平台架構,將集中治理的 Platform 控制平面與團隊擁有的 Workstream cell 分開。藍圖涵蓋多帳戶營運、獨立推理與工具閘道,以及部署後評測和邊界測試。參考實作的部署及可用功能以 eu-west-1 (Ireland) 為基礎,並提供回滾及按依賴次序清理資源的流程。

  4. viAct · 視覺 AI 及工地安全31

    越南建築工地安全:法規、技術與最佳做法

    越南建築工地安全須遵循《職業安全與健康法》No. 84/2015/QH13 及建築安全技術規例 QCVN 18:2021/BXD,並防範高空作業、起重及機械等風險。2025 年,越南錄得 7,004 宗工傷事故、658 人職業死亡及 1,779 人重傷。AI CCTV、無人機、IoT 感測器及 AI 影片分析可協助監察高風險活動和及早識別不安全狀況。

10月28日週三
  1. viAct · 視覺 AI 及工地安全30

    新加坡數據中心安全:AI 基礎設施擴張下的實體風險管理

    隨着 AI 基礎設施擴張,新加坡數據中心須管理設施內日益增加的實體風險,尤其是高密度運算、空間不足及在運作中的場地進行改造工程所帶來的安全挑戰。GPU 叢集的機櫃功率密度可達 50 至 150 kW,傳統雲端配置則為 5 至 10 kW。透過 AI 影片分析,現有 CCTV 可用於偵測煙霧、未經授權進入、不安全的承包商活動及漏水等情況。

  2. AWS Machine Learning Blog67

    Property Finder 如何修正 Amazon Bedrock 評測偏差並降低模型成本

    Property Finder 評估將視覺 AI 工作負載遷移至 Amazon Bedrock 時,發現 96.8% 的評測標籤直接沿用單一模型預測,因而重新建立專家標註的評測集。

    推薦理由:文章以房地產影像分類案例,説明專家標註、多標籤設計和逐輪提示詞優化如何減少評測偏差,並讓不同模型的比較更貼近實際正確性。

10月27日週二
  1. NVIDIA Blog54

    AI 如何改變失智症研究的發現速度

    C-BRAIN 與 NVIDIA 合作,運用 AI 支援阿茲海默症研究,目標是加快研究發現,推進新治療所需的科學工作。其已建構 OpenScientist 和 InsightEngine 兩項開源智能體 AI 工具,分別用於生成及分析研究假設,以及對照科學文獻、用戶提供的數據集和生物醫學知識圖譜核驗主張。

  2. AWS Machine Learning Blog66

    AI 智能體的「土撥鼠之日」:在 Amazon Bedrock 使用 OpenAI 模型的提示詞快取模式

    AWS 的 Claudio Mazzoni 示範如何在 Amazon Bedrock 上為 OpenAI 模型配置提示詞快取,讓智能體重用未變的上下文並降低重複輸入成本。文章比較隱式、顯式及混合快取,並示範如何處理工具清單變更、子智能體和跨工作階段重用。六輪工作負載中,GPT-6 Astra 的隱式快取令輸入成本約降低 62%,顯式滾動斷點約降低 61%。

    推薦理由:文章按靜態共享前綴、逐輪增長的對話及新增工具等情境,示範提示詞快取邊界的配置方法,並提供相應程式碼。

10月25日週日
  1. 香港人工智能專業協會32

    樂富居民透過 AI 合成照「走進」麗宮戲院及啟德遊樂場:合辦「AI社區影樓・樂富家庭照」

    香港人工智能專業協會與黃大仙樂富關愛隊於2026年10月25日合辦「AI社區影樓・樂富家庭照」,為居民拍攝家庭照,再以人工智能合成到麗宮戲院、1975年的黃大仙上邨及前啟德遊樂場三個昔日場景。活動在樂富邨樂泰樓地下的關愛隊辦事處舉行,費用全免。

10月24日週六
  1. Google Research69

    Google Research 推動基礎模型應用於結核病篩查

    Google Research 介紹其結核病篩查工作,從胸部 X 光 AI 工具的臨牀部署,延伸至 MedGemma、MedSigLIP 等開放模型。合作方 Nexus AI 的工具已在六個國家約 40 間醫療機構運作,超過 90 名臨牀人員評估逾 25,000 張胸部 X 光影像,將處理時間由數週縮短至不足 45 秒。

    推薦理由:文章串連臨牀驗證、監管認證與多國部署案例,呈現胸部 X 光篩查工具從研究成果走向醫療現場所需的合作與落地環節。

  2. AWS Machine Learning Blog70

    Amazon SageMaker AI 多輪強化學習實作指南

    Amazon SageMaker AI 的多輪強化學習(MTRL)可按整個任務的結果獎勵訓練 Agent 模型,文章以 Wordle 展示端到端實作流程。以 medium effort、temperature 1.0 評估時,gpt-oss-20b 的解題率由 61% 升至 84%;訓練 token 費用約 $339,AgentCore 執行環境費用另約 $79。

    推薦理由:文章以 Wordle 示範按多輪任務整體結果設計獎勵的方法,並拆解 SageMaker AI 訓練流程,提供企業內部工作流可參照的實作脈絡。

  3. AWS Machine Learning Blog63

    Bayer Crop Science 如何透過 Amazon Bedrock AgentCore 與 AWS Unified Operations 建構 Agentic Decision Engine(ADE)

    Bayer Crop Science 基於 Amazon Bedrock AgentCore 建構 Agentic Decision Engine(ADE),作為 Connected Decision Engine(CDE)的多智能體自然語言介面,讓用戶查詢工作流程狀態、結果、模型行為及故障。

    推薦理由:文章整理 ADE 從設計到投產的關鍵工程取捨,涵蓋狀態持久化、身份與工具權限、任務級監測及成本歸因,提供多智能體系統落地的具體參照。

10月23日週五
  1. viAct · 視覺 AI 及工地安全34

    新加坡建築安全:WSH 規例、危害與 AI 解決方案

    新加坡建築安全受《工作場所安全與健康法》(WSH Act)及相關規例規管,承建商須識別危害、控制風險並保存紀錄。自 1 June 2024 起,合約價值達 S$5 million 的建築工地必須安裝影片監察系統(VSS),嚴重違規的最高罰款亦由 S$20,000 增至 S$50,000。指南梳理主要規例和常見危害,並説明 AI 影片分析如何配合現有 CCTV 攝影機協助承建商符合要求。

  2. AWS Machine Learning Blog60

    如何使用 Amazon Quick 在 HIPAA eligible 環境部署 AI

    AWS 提供使用 Amazon Quick 部署 AI 工作流程的指南,説明服務具 HIPAA eligible 資格並不代表整個環境自動符合 HIPAA。文章梳理 PHI 經非結構化文件及結構化數據進入服務的路徑,並涵蓋 BAA、存取控制、加密與審計日誌等治理措施。指南亦列出 KMS key、身份模型及文件層級 ACL 等部署前設定,並建議先驗證非 PHI 工作流程,再逐步擴展。

    推薦理由:文章拆解 Amazon Quick 處理 PHI 的兩條資料路徑,並整理 BAA、存取控制與審計要求,呈現服務資格和整體合規責任的界線。

  3. AWS Machine Learning Blog48

    IskayPet 如何透過 Amazon Bedrock Managed Knowledge Bases 整合企業知識

    IskayPet 以 Amazon Bedrock Managed Knowledge Bases 建立企業知識助理,整合分散於 SharePoint 的營運資料,讓員工以自然語言查詢。助理支援四種語言及三個國家,按文件權限檢索並提供來源引用;託管 RAG 免除自行管理向量資料庫、嵌入向量及資料擷取流程。團隊使用 Kiro 和 Claude Haiku 4.5 建構整套方案。

  4. AWS Machine Learning Blog60

    Amazon SageMaker AI 上如何以實測設定 TTS 自動擴縮容目標

    AWS 示範在 Amazon SageMaker AI 即時端點部署 Kokoro-82M,並以實測取代 TTS 自動擴縮容目標的猜測。在 ml.g5.xlarge 上,Q_max 為 50;實際擴容耗時為 260.2 秒,另計入按政策設定界定、未經本次測量的 60 秒偵測延遲,規劃 T_total 為 320.2 秒。

    推薦理由:文章以單機可承受併發量和實際擴容耗時兩項測量,推導 TTS 端點的擴縮門檻與冷卻時間,並展示 Kokoro-82M 的部署流程。

10月22日週四
  1. OpenAI News51

    Cloudflare 以 OpenAI Daybreak 串連漏洞發現與防禦

    Cloudflare 透過 Daybreak 將 OpenAI 模型與即時流量及安全訊號結合,用於漏洞調查,並向客戶提供待審核的修補方案。其早期存取服務 Vulnerability Discovery and Remediation 會檢查客戶授權的程式碼、評估漏洞證據,並準備程式碼修補及合適的自訂 Web 應用程式防火牆規則,方案經自動檢查及團隊審核後交客戶決定。

  2. AWS Machine Learning Blog61

    Deep Insight 如何解決多智能體系統的 5 項生產環境挑戰

    AWS Solutions Architecture 團隊以 Deep Insight 説明如何應對多智能體系統投入生產環境的 5 項挑戰,涵蓋執行流程、模型選擇、程式碼安全及監控。

    推薦理由:文章把多智能體生產部署拆成協作流程、模型分工、程式碼隔離和營運監控等層面,並交代各項設計採用的元件與取捨。

  3. AWS Machine Learning Blog50

    Strands Agents 自適應智能體框架的架構與實作

    AWS 示範以 Strands Agents 建構 Adaptive Agentic Intelligence Framework(AAIF),由本地 SLM 處理例行任務,並把複雜分析路由至 Amazon Bedrock。示例以 llama3.2:1b 作本地協調器,透過 Ollama 處理設備遙測與圖像分析。文章亦説明全雲端、混合及全離線部署配置,並介紹使用 MCP 伺服器集中共享工具。

  4. AWS Machine Learning Blog35

    U.S. Hunger 如何透過 Amazon Quick 連結領導層與數據

    U.S. Hunger 利用 Amazon Quick 連結組織數據與領導團隊,讓主管直接探索資料、共享指標定義並共同作出決策。該組織已向行政領導、技術、Full Cart、財務及合規等部門的 17 名同事提供 Quick 使用權限;Spaces 用作共享相關文件、定義和分析。

  5. OpenAI News75

    OpenAI 如何構建兼顧用戶信任與相關性的 ChatGPT 新型廣告技術架構

    OpenAI 為 ChatGPT 建構一套自訂廣告投放系統,以經後訓練的前沿 LLM 編排廣告流程,根據對話脈絡調用工具進行檢索、排名、相關性評估和競價。廣告系統與 ChatGPT 的答案生成分開運作,避免廣告影響回答並維持中立語氣。ChatGPT Ads 上線不足 200 天後,年化收入運行率達 $1 billion;自推出以來,超過 100,000 名廣告商曾在 ChatGPT 投放廣告。

    推薦理由:ChatGPT 廣告系統以跨回合及多次對話的狀態和 LLM 工具調用追蹤變化中的商業意圖,並將廣告流程與答案生成分開處理。