Microsoft-Forscherin Jennifer Neville beschreibt, warum KI-Systeme bei längeren Gesprächen und wiederholten Änderungen an Dokumenten Fehler machen können. In Tests ihrer Gruppe sank die Leistung deutlich, wenn Nutzer ihre Anforderungen erst über mehrere Gesprächsschritte erklärten. Sie rät dazu, Antworten zu prüfen und bei Verwirrung die Aufgabe in einem neuen Gespräch vollständig zu formulieren.
Der AWS Machine Learning Blog zeigt, wie sich ein Sprachassistent für Flugreisen mit Amazon Bedrock AgentCore und Amazon Nova 2.5 Sonic in eine Airline-Anwendung einbauen lässt. Reisende können per Sprache Flugdaten abrufen, Sitzplätze ändern oder Fragen zu Airline-Regeln stellen. Die gezeigte Anbindung nutzt Beispieldaten; für den Einsatz mit echten Buchungen muss sie an die Systeme der Airline angepasst werden.
Das Modell GLM 5.3 von Z.ai ist für berechtigte Unternehmenskunden auf Amazon Bedrock verfügbar. Das 753B-Parameter-MoE-Modell ist auf Programmierung und längerfristige Aufgaben von AI-Agenten ausgelegt. Der Zugriff erfolgt über verwaltete APIs; Prompt-Caching und regionsübergreifende Inferenz werden unterstützt.
Google Research veröffentlicht einen Workshopbericht über Datenschutz und Sicherheit bei KI-Agenten。
Der AWS-Beitrag erklärt, wie sich Claude Code mit Amazon Bedrock in AWS GovCloud (US) für KI-gestützte Entwicklungsabläufe bei regulierten Workloads einrichten lässt. Er beschreibt Voraussetzungen, Konfiguration und Prüfung sowie die verfügbaren Claude-Modelle und Bedrock-Endpunkte. Organisationen müssen die Lösung an ihren eigenen Compliance-Anforderungen messen.
Amazon SageMaker AI stellt den aws-ai-ml-Skill bereit, der Coding-Agenten bei der Optimierung generativer KI-Inferenz unterstützt. Er kann Endpunkte benchmarken。
GitHub stellt mit ReviewBench einen offenen Benchmark zur Bewertung von KI-Code-Review-Agenten bereit. Der Datensatz umfasst 219 Pull Requests aus 187 öffentlichen Repositories und 19 Sprachen; seine Verteilung orientiert sich an 103.9 Millionen GitHub-Pull-Requests. Senior Engineers stimmten bei der unabhängigen Prüfung der Befunde zu 96.6% mit ReviewBench überein.
Ein Beispielserver für MCP auf Amazon Bedrock AgentCore automatisiert die Übertragung von Amazon-Quick-Ressourcen zwischen AWS-Konten. Er erstellt oder aktualisiert ausgewählte Ressourcen。
Der AWS-Beitrag zeigt, wie eine RAG-Anwendung mit LangChain in Amazon Bedrock Knowledge Bases zwischen einfacher und agentischer Suche wählen kann. Die agentische Suche zerlegt mehrteilige Fragen in Teilabfragen, prüft die Belege und sucht bei Bedarf erneut. Ein Vergleich der Suchwege zeigt auch ihre Kosten und wann die günstigere Variante genügt.
Der AWS-Beitrag zeigt, wie sich ein Multi-Agenten-System für Lieferketten mit Amazon Bedrock AgentCore Evaluations auf Nützlichkeit。
Microsoft hat ThinkingBox entwickelt und über Hugging Face verfügbar gemacht: Der Test prüft gespeicherte Angaben statt nur die Antworten von KI-Agenten. In einem Beispiel schloss ein Agent ein Ticket zur verspäteten Lieferung, obwohl der Lieferfall noch ungeklärt war und das Ticket auf «wartend» stehen sollte. Die 507 künstlich erstellten Aufgaben werden je 20-mal geprüft; ein einmaliger Erfolg zeigt noch nicht, dass der Agent zuverlässig handelt.
Grund für die Empfehlung: Wer KI-Agenten Geschäftsvorgänge bearbeiten lässt, muss erkennen können, ob sie wiederholt die richtigen Angaben hinterlassen.
GitHub empfiehlt Entwicklern drei Fähigkeiten für die Arbeit mit KI: Agenten anleiten。
ServiceNow CoreAI hat AutoSynthData entwickelt, um Schwächen von Unternehmensagenten in neue Trainingsaufgaben umzuwandeln. Das System vergleicht Fehler des Zielmodells mit Erfolgen eines stärkeren Modells und prüft, ob die erzeugten Aufgaben realistisch, lösbar und verlässlich bewertbar sind. Mit den Fortschritten des Zielmodells verschiebt sich der Schwerpunkt auf verbleibende Schwächen.
CoreWeave bietet NVIDIA Vera Rubin NVL72 in seiner Cloud an und hat CoreWeave Forge für Training。
ProvenanceGuard prüft nach der Antwort eines MCP-Agenten, ob jede Aussage durch die angegebene Quelle gedeckt ist. In einem medizinischen Test erkannte das System 138 von 139 Aussagen。
H Company stellt Holo4 als Modellreihe für Agenten vor, die Software über grafische Oberflächen。
Grund für die Empfehlung: Die veröffentlichten Benchmarks und Ablaufprotokolle ermöglichen es, Leistung und Kosten von Holo4 bei längeren Computeraufgaben nachzuvollziehen.
Die Anleitung zeigt, wie sich in der GitHub Copilot App mit /create-canvas eine Oberfläche für einen eigenen Arbeitsablauf erstellen lässt. Die Beschreibung soll den Ablauf sowie die möglichen Aktionen von Nutzern und Agent festlegen. Beide können die Canvas anschliessend bearbeiten; sie lässt sich als Erweiterung speichern und erneut verwenden.
GitHub Copilot kann mit Canvases aufgabenspezifische Oberflächen statt eines Chats bereitstellen. Der Beitrag zeigt unter anderem eine Oberfläche zur Verwaltung lokaler Pakete und eine zur Arbeit mit SQLite. Ein weiteres Canvas unterstützt einen Entwicklungsablauf, bei dem ein Agent Prototypen vorbereitet und zur Prüfung vorlegt.
Google Research stellt vier Forschungsansätze für die automatische Erzeugung längerer。
GitHub Security Lab stellt mit Fuzzing Taskflow eine automatisierte Fuzzing-Pipeline für C/C++-Projekte vor. Sie erstellt Test-Harnesses。
Grund für die Empfehlung: Die Trennung von Entscheidungen des Agenten und Ausführung durch MCP-Werkzeuge zeigt einen konkreten Ansatz zur Automatisierung wiederkehrender Fuzzing-Arbeit.
GitHub hat die Copilot-Agentenlaufzeit mithilfe der Copilot-App und der CLI von TypeScript nach Rust migriert. Laut dem beteiligten Entwickler schrieben AI-Agenten den Grossteil der mehr als 800,000 Zeilen produktiven Rust-Codes; die Änderungen wurden über 128 Pull Requests schrittweise integriert. Die neue Laufzeit kann über eine C-ABI auch direkt in Anwendungen der sechs Copilot-SDK-Sprachen eingebettet werden; dieser Betriebsmodus ist derzeit optional.
Grund für die Empfehlung: Die schrittweise Migration zeigt, wie sich umfangreiche Änderungen bei laufender Entwicklung mit Tests und gestaffelten Releases absichern lassen.
Google Research stellt mit ToolGrad ein Verfahren vor。
Mistral AI beschreibt die Migration von 40,000 Zeilen Fortran 77 eines Reservoirsimulators nach C++ mithilfe von AI-Agenten. Zuerst entstand ein Testsystem für numerische Übereinstimmung。
Grund für die Empfehlung: Der Vergleich von drei Agenten-Workflows zeigt, weshalb numerische Vergleichstests und menschliche Freigaben bei dieser Fortran-Migration zentral waren.
Mistral stellt Agentic Search als Suchschicht vor, mit der KI-Systeme Informationen in komplexen Dokumenten suchen。
Grund für die Empfehlung: Der Vergleich mit einmaligem RAG zeigt, wann die Navigation in langen Dokumenten und über mehrere Quellen hinweg die Suche verbessert.
Das Forschungsframework ABBEL lässt LLMs ihren Wissensstand laufend aktualisieren。
Forschende aus Berkeley skizzieren, wie sinkende Inferenzkosten Datensysteme für Agenten verändern könnten. Sie unterscheiden Systeme。