用 Amazon Bedrock AgentCore 构建自改进文档处理系统
基于 Amazon Bedrock AgentCore 的多智能体 IDP 系统可自动分类、提取、校验并从业务文档中学习，8 个专用智能体分布在识别与训练两条图工作流中，新文档类型无需手动配置模板，部署通常 20 分钟内完成。
#开源/仓库
AWS Machine Learning BlogAI 评分4242 Hugging Face BlogAI 评分5050 Ai2 发布 HiRO-ACEv2：以约 1/300 成本生成 3 km 分辨率极端天气模拟
Ai2 推出高分辨率气候模拟系统 HiRO-ACEv2，其新降尺度模型 HiROv2 可同时预测多种高分辨率气象场，在稀有极端事件上匹配目标模拟统计量误差在 3% 以内。该系统生成全球 3 km 气候数据的成本约为 X-SHiELD 的 1/300，仅需单区域时可省百倍以上。目前 HiROv2 仅适配与 X-SHiELD 对齐的 ACE 版本，尚不支持 ERA5 等其他气候场景。
Hugging Face Blog精选AI 评分7575 Liquid AI 发布 LFM2.5-24B-A2B 端侧推理智能体模型
Liquid AI 发布 LFM2.5-24B-A2B，一个总参数 24B、每 token 仅激活 2B 的推理模型，面向端侧运行、可调用工具的智能体。它在 LiveClaw 上得分 48.09，高于 Qwen3.6-35B-A3B 的 38.19，在 8 项工具使用与智能体基准中 5 项领先或持平。
推荐理由：LFM2.5-24B-A2B 用 2B 激活参数对比更大 MoE 的端侧成绩与推理速度，可作为端侧智能体选型的参考。
Hugging Face Blog精选AI 评分8585 作者用 ML Intern 在几天内训练并发布六个小模型，总花费约 103 美元
作者用 HuggingChat 中的 ML-intern 在几天内训练并发布了六个模型，包括 0.8B 的 Pocket Rewriter、柑橘病害 VLM 和相机视角 LoRA，总计算成本约 103 美元。
推荐理由：作者公开了七个提示词与六次训练的真实成本，可迁移到自己的模型微调流程中。
Hugging Face Blog精选AI 评分7070 Liquid AI 发布 d1-3B 与 d1-omni-600M 端侧决策模型
Liquid AI 在 d1 决策模型家族下开源 d1-3B 和实验性 d1-omni-600M 两款模型，两者均为开放权重并已上线 Hugging Face。
推荐理由：Liquid AI 开源两款决策模型，给出了端侧与 GPU 延迟实测和七项基准对比，可据此判断小模型做实时决策的可行性。
Microsoft Research精选AI 评分7474 Microsoft Research 开源 Agent Lightning v1.0：3500 行轻量智能体 RL 框架
Microsoft Research Asia 提出 Harnessed Agentic RL 训练范式并开源 Agent Lightning v1.0，让部署时使用的 agent harness 直接参与强化学习，无需在训练框架中重新实现智能体。
推荐理由：微软研究院提出直接用部署 harness 参与强化学习训练的范式，并给出 3500 行开源实现与完整编码智能体训练示例。
Google DeepMind精选AI 评分7373 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质加水印
Google DeepMind 发布 SynthID Bio，将水印技术引入合成生物学，把不可感知的签名嵌入生物代码，使其在数字模型和合成出的实体蛋白质上均可验证。
推荐理由：Google DeepMind 把水印从数字内容延伸到合成生物，读者可了解其方法与对 DNA 合成筛查的意义。
GitHub Blog · AI & ML精选AI 评分6767 GitHub Security Lab 发布 Fuzzing Taskflow 智能体，自动完成 C/C++ 项目 fuzzing
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主 fuzzing 流水线，指向一个 GitHub 仓库即可自动识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并分诊崩溃。
推荐理由：作者公开了自主 fuzzing 流水线的架构与运行方式，可看 LLM 智能体如何接手覆盖率分析与崩溃分诊。
Microsoft ResearchAI 评分5858 微软研究院提出物理AI推理卸载方案，并开源相关工具链
微软研究院系统研究了移动操作机器人工作负载，发现把物理AI推理限制在本体 GPU 上会拖累性能与续航：在显存足够的 GPU 上，建图与规划相比 A100 最多慢 383%。
Microsoft ResearchAI 评分4040 微软研究院开源逆合成模型 RetroChimera，成果登上 Nature
微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型结合 Transformer 去 Novo 模型 R-SMILES 2 与基于 GNN 的模板模型 NeuralLoc。
Berkeley AI ResearchAI 评分5757 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
IBM Research 与 UC Berkeley Sky Lab 合作，把 K-Search 演化式内核搜索框架扩展到 Apple Silicon，并加入结构化 CUDA-to-MLX 翻译层来迁移已有 CUDA 内核经验。
Berkeley AI ResearchAI 评分2121 伯克利提出面向成像系统的信息驱动设计框架，可跨四类任务预测解码器性能
伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架，仅用含噪测量和已知噪声模型即可估计系统信息量，避免依赖特定重建算法。该框架在彩色摄影、射电天文、无透镜成像和显微镜四个领域成功预测下游解码器性能，并在 NeurIPS 2025 论文中表明，优化信息量所得设计能匹配 SOTA 端到端方法，同时所需内存和算力更少，且无需任务专用解码器。