AWS在SageMaker AI上推出基于可验证奖励的强化学习方法（RLVR），结合GRPO算法，使用GSM8K数据集提升大语言模型的数学推理能力，该方法适用于输出可客观验证的任务如代码生成和符号操作。
AWS宣布Amazon Bedrock AgentCore payments预览版，与Coinbase和Stripe合作构建，使AI代理能够即时访问并支付Web内容、API、MCP服务器及其他代理，推动代理经济基础设施建设。
台湾宠物科技公司Tomofun为其Furbo宠物摄像头采用AWS Inferentia2芯片部署视觉语言模型，替代GPU以降低实时推理成本并保持精度，实现大规模宠物行为检测。
亚马逊SageMaker AI宣布支持MLflow v3.10，新版本增强了对生成式AI开发和实验追踪的能力，包括改进的多轮工作流追踪、与LLM框架的集成、以及通过mlflow.genai.evaluation() API进行的系统性质量评估，涵盖相关性、忠实度、正确性和安全性等指标。
AWS宣布在AgentCore Browser中推出OS级别操作功能，使AI代理能够与操作系统原生UI交互，如系统打印对话框、键盘快捷键、右键菜单等，解决了之前CDP和Playwright无法操作OS渲染内容的限制，适用于生产环境中复杂的浏览器自动化场景。
AWS 发布博客介绍如何在 Amazon ECS 上使用 Amazon Bedrock AgentCore Identity 实现安全的 OAuth 2.0 授权码流程，包括会话绑定和令牌管理，以保护 AI agent 访问外部服务。
Amazon QuickSight 推出 Dataset Q&A 功能，支持自然语言数据集问答，用户无需构建新仪表板即可秒级获取答案，旨在解决传统 BI 仪表板无法灵活应对临时、多维问题的瓶颈。该功能面向 AWS 技术现场团队等用户，提升数据决策效率。
AWS 宣布 Amazon Bedrock AgentCore 推出新功能预览，包括基于生产痕迹的推荐、批量评估和A/B测试，以优化AI agent质量，解决agent性能退化问题。
Amazon SageMaker AI推出智能体引导的模型定制工作流程，用户通过自然语言描述用例，AI编码助手自动完成数据准备、技术选择、微调、评估和部署，支持SFT、DPO、RLVR等技术，并生成可编辑的代码工件。
Amazon Quick发布新的生成式AI功能，用户可通过自然语言提示从数据集生成包含多工作表、可视化、筛选器和计算字段的仪表板，大幅缩短制作时间。用户可审核编辑交互式计划后一键发布为仪表板。
Amazon Quick 现支持将 Amazon S3 Tables（Apache Iceberg 表）作为新数据源，用户可直接查询和可视化数据湖中的 Iceberg 表，无需中间层，减少数据移动、提升性能并保持单一真实来源。
Amazon Quick 推出 Dataset Q&A 新功能，用户可直接用自然语言查询整个数据集，无需预配置。该功能将问题转化为 SQL 并快速返回结果，同时保持企业级安全与治理，解决了商业智能中临时查询的瓶颈问题。
AWS宣布SageMaker AI推理端点支持容量感知实例池，允许用户定义优先级实例类型列表，在创建、扩展时自动fallback到可用实例，无需手动干预，适用于多种端点类型。
AWS Transform 推出自动化 BI 迁移功能，可将传统 BI 工具迁移至 Amazon Quick 的时间从数月缩短至数天，利用 AI 和 serverless 架构简化迁移过程。