Tamnoon 如何用 Amazon Bedrock 构建 AI 驱动的云安全修复方案
Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami,可自主调查 CNAPP 与云原生来源的安全发现并评估修复安全性,再生成带护栏和回滚指引的修复方案。该方案在 90 天内将关键云暴露减少超过 90%,且未出现生产问题。Tami 由调查、安全评分、修复和代码生成四个专用智能体组成,通过单一 API 按任务调用不同基础模型。
日期栏展示收录日期,历史补录归入原文日期。
Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami,可自主调查 CNAPP 与云原生来源的安全发现并评估修复安全性,再生成带护栏和回滚指引的修复方案。该方案在 90 天内将关键云暴露减少超过 90%,且未出现生产问题。Tami 由调查、安全评分、修复和代码生成四个专用智能体组成,通过单一 API 按任务调用不同基础模型。
AWS 与 Anchor Browser 合作推出基于 x402 协议的智能体支付方案,Anchor Browser 已上架 AWS Marketplace,可与 Amazon Bedrock AgentCore payments 集成,让智能体自动为受 x402 保护的网页和 API 付费。
Microsoft Research 提出 StudentSim,一个用公开去标识化学习记录训练个性化 AI 学生模拟器的研究系统,可在真实学习者测试前评估和改进 AI 辅导系统。该系统从行为保真度和指导响应性两个维度评估模拟器,并配套推出覆盖国际象棋、英语二语写作和数学的 StudentSimEval 基准,表现优于主流基线。StudentSim 并非产品,不部署于课堂,也不旨在取代教师。
NVIDIA 与 Microsoft 在旧金山 Windows AI 与 Surface 活动上宣布为 Windows PC 共同设计运行 AI 智能体的软硬件,Microsoft 宣布 OS 级基础设施 Microsoft Execution Containers(MXC)正式可用,让智能体在系统控制下安全持久地在后台运行。
推荐理由:NVIDIA 与 Microsoft 把智能体运行环境做进 Windows,并给出 RTX Spark 与 DGX Station 的本地算力规格,可据此判断端侧智能体的硬件门槛。
GitHub 推出基于 ModernBERT 的通用密钥检测分类器,可在推送前用代码上下文识别非结构化密钥,候选批次评估耗时不到 2 毫秒,据称可将可拦截的密钥数量提升一倍以上。
推荐理由:GitHub 用九个季度数据说明密钥泄露与代码增速的关系,并给出新分类器在推送前拦截的落地方式。
微软研究院合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中与首席应用科学家 Chad Atalla 对谈,讨论评估如何推动当前 AI 系统突破性能边界以满足用户需求,以及模型在传统基准之外测试时出现的“意外失败”。
Preferred Networks(PFN)在 Microsoft Foundry(旧 Azure AI Foundry)上线 PLaMo 3.0 Prime、PLaMo 2.2 Prime 和 PLaMo 翻译三款国产生成式 AI 基础模型。
GitHub 发布 ReviewBench,一个面向 AI 代码审查智能体的离线基准,基于 1.039 亿个 GitHub pull request 的分布构建,包含 219 个 pull request、覆盖 19 种语言。
微软研究院实习生开发了一套机器学习系统,可为美国本土 66,935 座变电站生成位置级空间天气风险预测,提前 30 至 60 分钟预警。该系统结合 L1 太阳风观测、AE 与 Dst 指数预测、地质电导率及电网数据,评估期内检测到近 80% 的重大空间天气事件;Dst 预测在 2020-2026 年评估期内地磁最活跃时段有 62.2% 的小时数优于 Burton 方程。
微软研究院推出 Quine,一个面向生物学复杂性的 AI 研究系统,由生物学世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 两部分组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究,预测并优先排序数千种化合物,最高排名的化合物在湿实验中产生了最大的经典到基底细胞状态转变,整个筛选到候选验证过程仅用一个周末。
推荐理由:微软研究院公开 Quine 的生物学世界模型与实验闭环设计,并给出胰腺癌化合物筛选的湿实验验证结果。
Microsoft Research Asia – Singapore 作为微软在东南亚的首个研究实验室,成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践、生态与人才培养四大方向推进工作。实验室与新加坡经济发展局等机构合作,将多模态医疗 AI 与自演化诊断智能体用于临床决策支持,并联合举办 AI 物流与运输高管圆桌会。
微软研究院对移动机器人操作负载做了一项系统测量研究,发现把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 能提升任务表现并延长续航。
微软研究院在 Nature 发表逆合成模型 RetroChimera,并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与基于图神经网络的 NeuralLoc,用学习式重排序整合两者互补预测,在常见与罕见反应类型上均表现强劲。