搜索
亚马逊AWS宣布Amazon Bedrock AgentCore Payments正式进入GA阶段。此前还只有一些简单付费场景的预览功能，现在已经可以让 AI Agent在用户授权和预算限制下，自主购买付费API、MCP服务、数字内容以及模型推理能力。
大家都会以为，AI 会重构电商，甚至会完成自身的闭环交易，取代传统电商。但事实看起来却不是这样，ChatGPT 上线的 checkout 功能并没有获得预期的成功，Shopify、Amazon 这些电商平台依旧活得很好。
说在前面：这又是一篇讲Harness的Survey，你最近可能已经看过了数篇讲Harness的文章、论文，其中还可能包括我上周解读的《Agent Harness Engineering：Agent的底盘工程综述｜CMU、耶鲁、Amazon》。
经常切换使用CC、Codex、OpenClaw这类Agent的人会发现：同一个模型，放进不同系统里，表现可能完全不同。
在大模型后训练中，数据不再只是 “越多越好”，而是要像人类学习一样，动态选择最合适难度的样本。华为提出的 EDCO 方法，将样本难度估计与动态课程编排引入领域大模型微调；数月后，由 Rutgers、Amazon、Google 等作者参与的 DARE 论文即引用 EDCO，并将其作为难度感知强化学习训练的重要对比基线。
云计算一哥，亚马逊云科技的龙虾，刚刚也被端上桌了。这只龙虾叫做Amazon Quick。它就是“活”在你电脑里的那种，直接连接你的本地文件、日历、邮件和各类应用，不需要任何上传文件的动作（需授权）。
昨天，OpenAI 和微软，官宣分手，今天，OpenAI 已在 AWS 把家安好。三件家具一起搬上：模型、Codex、Managed Agents。包括 GPT-5.5 在内的模型，今天起可以在 Amazon Bedrock 直接调用
刚刚，Anthropic 发布 Claude Opus 4.7，已经在 Claude 的所有产品、API、Amazon Bedrock、Google Cloud Vertex AI、Microsoft Foundry 上全面可用。模型 id claude-opus-4-7
巨头亚马逊，也深度入局生命科学了。
传统的 AI 购物助手更像是一个任务完成机器：接到指令，搜索，下单。他们或许能跑通流程，却完全无法理解用户为何在最后一刻因为一条关于 “夹耳朵” 的差评而放弃支付。简而言之，传统的电商 Agent 只是任务导向的（task-oriented），而不是模拟导向的（simulation-oriented）。为此，来自亚马逊（Amazon）的研究团队提出了名为 Shop-R1 的训练框架 。