Search

Tag: #agentic-ai513 results

全新基準測試評估大型語言模型的互動推理能力

研究人員推出了一項包含 474 款可執行遊戲的層級基準測試，旨在評估大型語言模型在互動環境中獲取證據與更新信念的能力。研究顯示，模型在互動效率上存在顯著差異，且對情境擾動表現出明顯的脆弱性。

AWS 為 Amazon Bedrock AgentCore 閘道引入了 Policy 與 Lambda 攔截器以增強安全性。這些工具能為 AI 代理實現確定性的存取控制與動態驗證。

AWS Machine Learning BlogOfficial•Jun 1#security #access-control #aws-bedrock

Qwen-code v0.17.0 透過 MCP 引入了零配置的電腦使用功能，並新增了 Feishu (Lark) 通道適配器。此次更新還包含核心架構重構以優化記憶體管理，並改進了遙測處理機制。

Qwen (GitHub Releases: qwen-code)Media•May 29#agentic-ai #mcp #automation

Stepfun 發布了 Step 3.7 Flash，這是一款擁有 196B 參數的稀疏 MoE 模型，專為 AI Agent 工作流程進行了優化。該模型具備每秒 400 token 的高速推理能力與原生工具調用功能。

Anthropic 已於 Amazon Bedrock 上發布 Claude Opus 4.8。此更新為 AI 工程師提供了更佳的效能，並針對將該模型整合至代理系統與生產工作負載提供了實作指南。

AWS 與 Works Human Intelligence 合作，利用 Amazon Bedrock AgentCore 開發用於業務支援的 AI 代理。該專案成功將營運成本降低了 97%，同時提升了整體效率。

AWS Machine Learning BlogOfficial•May 27#agentic-ai #cost-optimization

AWS 推出了 AgentCore，旨在解決企業銷售組織中專業 AI 代理碎片化的問題。它提供了一個協調層，透過無縫管理多個領域專用代理來減輕使用者的認知負擔。

AWS Machine Learning BlogOfficial•May 27#agentic-ai #orchestration #enterprise-ai

Artificial Analysis 與 IBM 發布了 ITBench-AA，這是首個專為評估企業 IT 環境中代理 AI（Agentic AI）性能而設計的基準測試。結果顯示，目前的前沿模型表現不佳，所有模型的準確率均低於 50%。

AWS 推出了 Agentic Shopping Assistant，讓外部零售商能夠整合 Amazon 所使用的 AI 購物技術。此工具旨在複製 Alexa for Shopping 的成功經驗，該技術去年為 Amazon 帶來了顯著的增量銷售。

本研究介紹了 DeepTS 與 DeepScribe 兩種代理 AI 框架，旨在自動化科學數據整理與複雜講座分析。透過混合式「本地主體/遠端大腦」架構，這些系統提升了高能物理與時間序列研究的推理能力。

Page 12 of 52