AWS 推出 Trust in Depth：让 AI 智能体获得更多自主权而不失控
AWS 提出 Trust in Depth 框架，用独立分层的可验证信任机制让 AI 智能体在规则可证明时自主行动、仅在真正需要判断时交给人。该框架围绕 Scope、Know、Bound、Observe 四个生命周期环节，并复用 AWS 已运行十余年的自动推理技术，覆盖 IAM 每秒超 21 亿次请求等生产系统。
#部署/工程
AWS Machine Learning BlogAI 评分4848
Latent SpaceAI 评分7171 Dyna Robotics 联创 Jason Ma 谈 Dyna-2 世界动作模型与小时级自主机器人
Dyna Robotics 联合创始人兼首席科学家 Jason Ma 在 Latent Space 播客中介绍，公司上月发布的世界动作模型 Dyna-2 基于超过一百万小时人类视频预训练，并已推出物理机器人智能体 Dyna-2.1。
MIT Technology Review · AIAI 评分1616 AVEVA 如何为自主工业 AI 构建更安全的落地路径
AVEVA 首席技术官 Arti Garg 提出，工业 AI 正从预测分析走向基础模型、物理 AI 与智能体 AI，需以数据打通遥测、服务日志和工程文档，并让 AI 增强而非取代关键决策中的人。AVEVA 的责任 AI 框架强调安全、效率与人类监督，Garg 还参与 IEEE 工作组制定覆盖电力、能源、水资源与碳的 AI 环境影响测量标准。
Berkeley AI ResearchAI 评分3434 智能免费之后怎么办？面向、属于、由 AI 智能体构建的数据系统
伯克利 EPIC Data Lab 提出近零推理成本时代数据系统面临三大挑战：面向智能体（For Agents）、属于智能体（Of Agents）、由智能体构建（By Agents）。