以图为中心的智能体智能：从网络拓扑建模到自主根因推理
亚马逊科学（Amazon Science）发文阐述以图为中心的智能体智能如何用于网络根因分析，提出图建模、图分析、智能体编排三大支柱。其级联图算法流水线先做拓扑分解缩小搜索空间，配合数字孪生图与智能体执行，可在数分钟内完成根因定位。该方案今年早些时候已与 NTT DOCOMO 在 MWC 上于商用网络完成演示。
Amazon Science
amazon.science · 网站与博客
切换来源
全部网站与博客新闻IT Home8967 条Simon Willison360 条OpenAI News317 条TechCrunch · AI298 条The Decoder274 条The Verge · AI161 条Hugging Face Blog151 条Claude Blog140 条elsewhere articles115 条Google Research108 条OpenRouter Announcements103 条Mistral AI89 条Tomer Tunguz83 条Databricks Blog82 条Sierra Blog67 条Anthropic Newsroom65 条Gary Marcus64 条Claude Platform release notes62 条Runway News62 条Gemini API 更新日志60 条LMSYS Blog60 条Manus Blog60 条Together AI Blog60 条Google DeepMind58 条NVIDIA Blog53 条a16z News49 条Apple Machine Learning Research48 条LangChain Blog48 条Suno Blog48 条ByteByteGo46 条ElevenLabs Blog45 条Google Blog: AI41 条Qwen Blog40 条Google Developers Blog35 条Cursor Blog34 条Microsoft AI News32 条Google Cloud: Databases31 条Linear Now30 条AWS Machine Learning Blog29 条Ars Technica · AI27 条Dwarkesh Patel27 条Nathan Lambert: Interconnects25 条Latent Space24 条DeepSeek API updates23 条Sakana AI Blog23 条Anthropic Research21 条Import AI21 条AI as Normal Technology20 条ByteDance Seed Papers17 条MIT Technology Review · AI16 条GitHub Blog · AI & ML12 条MiniMax Blog12 条Meta Engineering11 条Sam Altman Blog11 条Berkeley AI Research10 条Black Forest Labs Blog10 条MarkTechPost10 条Microsoft Research10 条xAI：News9 条Cohere 产品与研究博客8 条Epoch AI：Gradient Updates8 条Factory 研究 / 产品8 条Google AI：DEV 作者专属8 条OpenClaw Blog8 条Recode China AI8 条Redwood Research Blog8 条Replit Blog8 条SemiAnalysis 长文8 条Understanding AI8 条404 Media7 条Amazon Science7 条Every latest articles7 条Exponential View7 条Liquid AI 模型与工程博客7 条LlamaIndex：产品、工程与评测7 条PromptArmor：Threat Intelligence7 条PyTorch Blog7 条Thinking Machines Lab Blog7 条Preferred Networks：AI 研究与产品6 条ByteDance Seed Research5 条ChinaTalk5 条Chips and Cheese4 条Artificial Intelligence News3 条Canary Media：Data Centers2 条CMU Machine Learning Blog1 条Claude YouTube0 条MarkTechPost · 历史来源118 条xAI News · 历史来源73 条Artificial Intelligence News · 历史来源52 条Claude YouTube · 历史来源44 条Ars Technica: AI · 历史来源18 条GitHub Blog · 历史来源17 条Lilian Weng's Log · 历史来源2 条
7 条AI 相关新闻 · 最新在前
Amazon ScienceAI 评分2626
Amazon ScienceAI 评分3535 基于 Trainium 的实时视频生成内核优化路径
Reactor 与 Amazon Neuron Science 团队合作，针对 Rolling Forcing 自回归扩散模型在 Trainium 上的部署进行内核级优化，以实现实时交互式视频生成。该模型能以 16 帧/秒生成 30 秒高质量视频，但序列极长、内存消耗大，实时运行需生成速度始终领先播放时间线。
Amazon ScienceAI 评分3434 Amazon 与斯坦福大学联合发起 AI 与科学研究计划
Amazon 与斯坦福大学联合成立 Stanford and Amazon Research Initiative，聚焦 AI、能源与医疗健康前沿研究。目前 Amazon 内部已有超过 10 个团队资助斯坦福的活跃研究与博士奖学金，覆盖人形机器人、后量子密码学、因果测量科学和 AI 驱动放射学等方向。该计划将支持联合研究项目、博士奖学金以及跨学科学术研讨会。
Amazon ScienceAI 评分4848 Amazon Bio Discovery 用 AI 设计并表征抗体：三篇论文覆盖结合强度排序、成药性预测与端到端设计
Amazon Bio Discovery 团队发表三篇论文，推进 AI 计算化抗体设计。其中 MochiBind 仅凭序列预测抗体-抗原相对结合强度，在四个未见抗原上成对准确率均超结构基线，平均领先近 10%，CPU 上约 13 秒打分 20 万对抗体，推理速度提升逾 100 倍。另提出 CA-MAP 在推理阶段处理批次效应，并实现智能体选择结合位点、经实验验证的癌症靶点抗体命中。
Amazon ScienceAI 评分3939 用 Verus 为 Rust 代码编写可证明正确的程序
Verus 是面向 Rust 的开源自动化程序验证器，开发者可在 Rust 源码中直接添加规范与证明，工具自动完成大量底层证明步骤，通常 1 秒内返回反馈，并可在 VS Code 中以红波浪线提示错误。Verus 已用于验证 Nitro Isolation Engine 的关键原语及 Amazon 内部多项核心基础设施，其自动化与快速反馈也便于 AI 智能体迭代生成证明。
Amazon ScienceAI 评分4747 Amazon Science 论文：当 LLM 评审意见一致时，我们该相信吗？
Amazon Science 在 ICML 发表的论文提出基于 Ising 模型的依赖感知标签聚合方法，用于评估 LLM 评审之间的相关性并调整聚合分数。在相关性分类、毒性分类和摘要评估三个任务上，使用 10 个评审模型时，该方法准确率分别达 0.912、0.792 和 0.806，比按历史准确率加权的评审团基线高出 9% 至 14%。
Amazon ScienceAI 评分5959 Amazon 发布 SOP-Bench：评估 AI 智能体执行真实业务流程的基准
Amazon 在 KDD 2026 发布开源基准 SOP-Bench，用领域专家撰写的真实 SOP 配套可调用工具和标准答案，覆盖 12 个业务领域、超过 2000 个任务。实验显示模型升级可能降低成功率、工具数量增加会使成功率近乎减半，最易流程正确率约九成而最难约四分之一；基准已上线 GitHub 和 HuggingFace。