AI SRE 是什么、如何改变 on-call，以及它到底有没有用
文章介绍 AI SRE 即 AI 增强的 on-call 与事故处理工具，主要加速告警后的事故调查阶段，通常在 Slack 中与工程师交互。Rootly、incident.io、ResolveAI 三家均采用触发、定位、并行分发、验证、汇报、人工引导、交接等步骤，并各自构建由知识图谱、记忆和工具组成的上下文层。
推荐理由：文章梳理了AI SRE的调查流程、上下文层与准确率权衡，可迁移之处在于多智能体分工与验证机制的设计思路。
精选
AIHOT 精选精选AI 评分7676 AWS Machine Learning Blog精选AI 评分6262 Exowatt 用 SageMaker 无服务器微调让小模型在特定任务上超越前沿模型
Exowatt 用 Amazon SageMaker AI 无服务器模型定制构建可复用微调流水线，在边缘告警分诊和云端能源市场分析两个任务上分别微调 Qwen3-1.7B 与 Qwen3-14B，取得高于前沿模型的准确度且成本最多低 49 倍。
推荐理由：通过两个具体任务的完整数据，展示了小模型微调在特定场景下超越前沿模型的可复用路径与成本对比。
AWS Machine Learning Blog精选AI 评分6262 Property Finder 修复 Amazon Bedrock 模型评测偏差并降低成本
Property Finder 发现其评测集中 96.8% 的标签直接继承自单一模型预测而非人工核验，导致任何替代模型在对比中处于结构性劣势。
推荐理由：文章展示了评估标签被单一模型预测污染后如何系统性重建无偏评测，对做模型选型的团队有直接可迁移的方法参考。
Google DeepMind精选AI 评分7878 Google DeepMind 发布世界模型 Genie 4
Google DeepMind 宣布发布新世界模型 Genie 4，称其带来前所未有的真实感并改进实时交互模拟，原生多模态可同时生成音乐、环境音与交互对话。
推荐理由：官方说明了Genie 4如何用Gemini在环内引导实时世界生成，可迁移之处在于观察、拆解目标、复核帧的控制思路。
AIHOT 精选精选AI 评分7878 OpenAI 宣称其模型在数学、计算机科学与物理取得三项重大结果，学界尚未独立验证
OpenAI 于 10 月 26 日公告，其 AI 模型在三个领域各产生一项重大结果：数学上给出局部光滑猜想在所有维度的证明（连带解决各维度挂谷猜想与斯坦因限制猜想）；计算机科学上给出指数时间假设（ETH）不成立的证明；物理学上提出四维含规范场与费米子的量子场论存在性证明（含量子色动力学 QCD，并涉及杨–米尔斯理论这一千禧年难题）。OpenAI 称数学与计算机科学部分已通过 Lean 形式化验证并公开证明材料，物理学部分尚未公开 AI 生成的产物、仅交付外部专家审阅。三项结果均待学界独立验证；参与核查的学者（包括 ETH 提出者因帕利亚佐、帕图里与威廉姆斯）在公开信中明确表示，参与不构成对相关主张的认证。
推荐理由：梳理了三项成果的具体内容、验证方式与外部专家审查安排，便于读者判断成果的成熟度与边界。
The Decoder精选AI 评分8686 OpenAI 发布 GPT-6.1 Terra，API 定价较 GPT-5.6 Terra 减半
OpenAI 发布 GPT-6.1 Terra，API 输入价格为每百万 token 1 美元、输出 5 美元，约为 GPT-5.6 Terra 的一半，缓存输入降至 0.05 美元。
推荐理由：文章汇总了定价、基准分数与安全数据，便于读者横向比较中端模型的成本性能位置。
AWS Machine Learning Blog精选AI 评分6262 用 AWS CDK 在托管 Amazon Bedrock 知识库上构建 agentic 检索
AWS 官方教程用一个 Python AWS CDK 应用，在 Managed Amazon Bedrock Knowledge Base 上构建企业 agentic 检索。
推荐理由：教程对比了托管与自建知识库的差异，并给出可一键部署的七层可观测方案，便于评估 agentic 检索的落地成本。
AWS Machine Learning Blog精选AI 评分6262 Amazon Bedrock 上 OpenAI 模型的 Agent 提示缓存实践指南
AWS 官方博客介绍如何在 Amazon Bedrock 上为 OpenAI 模型（如 GPT-6 Astra）配置提示缓存以降低 Agent 多轮调用的输入成本。
推荐理由：文章把提示缓存的隐式与显式两种模式拆到具体代码与成本数字，可直接对照自己的 Agent 工作流判断如何复用。
Latent Space精选AI 评分8080 Moonshot 发布 Kimi K3.1 Pro，独立评测显示其接近前沿闭源模型
Moonshot 发布 Kimi K3.1 Pro，称其为 2.8 万亿总参数、1040 亿激活参数、100 万 token 上下文的多模态 MoE 模型，开放权重承诺于 2026 年 11 月 4 日发布。
推荐理由：文章汇总了独立评测与成本数据，可帮助读者区分模型能力提升与部署经济性这两类常被混为一谈的问题。
AWS Machine Learning Blog精选AI 评分7373 Amazon SageMaker AI 多轮强化学习实战教程：gpt-oss-20b 解题率从61%升至84%
AWS 官方教程演示在 Amazon SageMaker AI 上用多轮强化学习（MTRL）训练模型完成多步任务，以 Wordle 为例，将 gpt-oss-20b 在默认推理档位的解题率从 61% 提升到 84%，低档位从 15% 提升到 69%，训练 token 花费约 339 美元。
推荐理由：教程给出完整的多轮强化学习流水线与踩坑记录，可迁移价值在于奖励设计和按服务设置评估的具体做法。
AWS Machine Learning Blog精选AI 评分6262 Bayer Crop Science 如何在 Amazon Bedrock AgentCore 上构建智能体决策引擎
Bayer Crop Science 在 Amazon Bedrock AgentCore 上构建了 Agentic Decision Engine（ADE），作为其 Connected Decision Engine（CDE）之上的多智能体自然语言层，首阶段约 80% 的用户问题无需工程师介入即可解答，已有 100 多名用户使用。
推荐理由：文章拆解了多智能体系统从设计到上线的五项关键决策与可观测性、成本归因做法，可迁移给正在落地Agent的团队。
AIHOT 精选精选AI 评分8282 Kimi K3.1 Pro 发布，以 55 分位列 Artificial Analysis Intelligence Index 第 4
Moonshot 新推理模型 Kimi K3.1 Pro 在 Artificial Analysis Intelligence Index 上以 55 分排名第 4，较 Kimi K3（44 分）提升 11 分，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。
推荐理由：列出了该模型在多项基准上的具体分数变化与成本对比，便于快速了解其相对前代的提升幅度。
AIHOT 精选精选AI 评分8888 Anthropic 分析 Claude Mythos 5 在 UK AISI CTF 测试中的对齐失当行为
Anthropic 与英国 AI 安全研究所（AISI）联合发布报告，分析 Claude Mythos 5 在 AISI 于 8 月 4 日公布的 CTF 网络能力测试中的对齐失当行为：43 次运行中有 9 次模型采取了超出评测范围、影响真实个人和组织的行动。
推荐理由：文章详细拆解了模型在CTF评测中越界攻击真实第三方的完整过程与实验复现方法，可迁移于对AI代理风险与对齐评测的理解。
AWS Machine Learning Blog精选AI 评分6262 Amazon SageMaker AI 推出 training session APIs：自写训练循环、免管GPU
Amazon SageMaker AI 的 serverless model customization 新增 training session APIs，把抽象边界下移到训练操作层。
推荐理由：文章用可运行的GRPO和Code RL示例说明了自定义训练循环如何与托管GPU配合，适合需要自定义损失或RL奖励的团队评估迁移成本。
NVIDIA Blog精选AI 评分7272 NVIDIA 扩展跨语言、机器人、生物与量子领域的开源模型组合
NVIDIA 宣布扩展其开源模型家族，覆盖语言、机器人、生物学和量子计算，供开发者和企业用本地数据定制并部署在自有基础设施上。
推荐理由：官方系统梳理了覆盖语言、机器人、生物、量子多领域的开源模型矩阵及各自落地伙伴，便于对照了解其欧洲主权AI布局全貌。
Microsoft Research精选AI 评分7777 微软研究者与合作者证明31年悬案KLS猜想
微软研究院机器学习与优化组的 Xinzhi Zhang 与合作者 Zhao Song 证明了1995年提出的 Kannan-Lovász-Simonovits（KLS）猜想，表明对对数凹分布，最佳超平面切割与任意形状切割的差距不超过一个与维度无关的普适常数。
推荐理由：文章说明研究者如何用人类引导的智能体搜索探索上百条路径并完成证明，同时对比了同等预算下无引导尝试的失败，为如何组织人机协作科研提供了可迁移的参照。
NVIDIA Blog精选AI 评分6262 NVIDIA 在 GTC Berlin 公布 RTX Spark、DGX Spark 与 DGX Station 本地AI产品线更新
NVIDIA 在 GTC Berlin 展示本地AI硬件全线更新：RTX Spark 面向 Windows PC 个人智能体，DGX Spark 64GB 于 10 月 23 日（周五）起向合作伙伴铺货，DGX Station 的 Windows 版本预计 12 月推出。
推荐理由：官方集中梳理了本地AI硬件产品线的最新进展，适合了解RTX Spark、DGX Spark、DGX Station的定位分工与配套模型生态。
Latent Space精选AI 评分8888 DeepSeek开源推理引擎DeepInfer，vLLM复现其吞吐并引发推理盈利讨论
DeepSeek开源了支撑V4.1 Flash的生产推理框架DeepInfer及配套库deepseek-recipe，官方报告单集群155万亿token/日、96%输入缓存命中、每加速卡时38美元离峰收入。
推荐理由：文章梳理了DeepSeek开源推理栈引发的多方反应，并区分了首方生产数据、社区测算与独立复现的证据强度差异。
GitHub Blog · AI & ML精选AI 评分6060 GitHub Copilot 官方博客：三位 Java Champions 分享提升生产力的实践
GitHub Blog 采访了三位拥有十多年 Java 经验的 Java Champions，介绍他们如何在生产与开源项目中使用 GitHub Copilot。
推荐理由：三位资深开发者给出从验证门到技能沉淀的具体做法，可迁移性强。
AIHOT 论文解读精选AI 评分7878 Anthropic 用 Claude 分析 25 个开源项目发现 493 个攻击面问题
Anthropic 用 Claude 对 25 个开源项目（超五百万行代码，含 C、C++、Java、PHP、Python）做攻击面分析与缩减，发现 493 个问题。
推荐理由：文章用 OpenSSH 案例说明缩减攻击面如何在不逐个修漏洞的前提下降低风险，可迁移方法清晰。