AWS 文章演示如何用 Amazon SageMaker AI 的多轮强化学习训练智能体完成多步骤任务，并以 Wordle 作为示例。训练后的 GPT-OSS-20B 在服务设置下对留出单词的解题率从 61% 提升至 84%，训练 token 费用约为 $339，AgentCore 运行费用约为 $79。文章还介绍了部署、数据准备、训练与评估流程，以及奖励设计和训练中遇到的问题。
推荐理由：文章拆解了从 AgentCore 部署、数据准备到训练评估的完整流程，并展示奖励设计如何避免训练目标与任务结果相冲突。
AWS Machine Learning Blog介绍如何用可复用的 CDK 构造，在 SageMaker AI 端点更新前注销自动扩缩容目标、更新端点后重新注册目标并附加扩缩容策略。
推荐理由：文章梳理了端点更新与自动扩缩容资源之间的依赖冲突，并给出分阶段编排方案，部署资源数量也有明确说明。
Bayer Crop Science 基于 Amazon Bedrock AgentCore 构建了 Agentic Decision Engine（ADE），作为 Connected Decision Engine（CDE）的自然语言交互层，帮助用户查询工作流状态、结果、模型行为和故障。
推荐理由：案例呈现了智能体系统从试运行走向生产时的关键工程取舍，涵盖状态持久化、身份边界、工具范围、可观测性与成本归因。
AWS 宣布 SageMaker AI serverless model customization 的 Training Sessions 正式可用，用户可编写并协调自定义训练循环，而无需管理底层基础设施。SageMaker AI 负责 GPU 分配、分布式执行、故障恢复和检查点存储；支持 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 和 Qwen3.8-27B。
推荐理由：Training Sessions 将自定义训练循环与 GPU 分配、分布式执行和检查点存储结合，展示了 SageMaker AI 托管模型定制的基础设施边界。
Microsoft Research 推出基于 Flint 的 Flint-interactive，用于让 Agent 创建可交互的数据可视化。它通过语义事件和高层更新算子描述交互，由 Flint 编译器处理视觉更新逻辑，并可连接图表、文本、表格、组件与应用状态。用户可通过 Flint-MCP 和 MCP Apps 在聊天或画布环境中使用，也可用编程 API 构建交互式应用并定义自定义交互。
推荐理由：Flint-interactive 将交互逻辑交由编译器处理，并以语义事件和高层更新算子连接图表与外部视图，呈现了构建可交互数据可视化的一种实现路径。