亚马逊研究奖（ARA）公布2025年秋季获奖者，共68名来自11国49所大学，涵盖AI安全、Agentic AI、自动推理、AWS密码学、网络安全与反滥用技术、可持续性六个领域。获奖者可获得不限用途资金和AWS推广积分，并获取亚马逊研究联系人、公开数据集等资源。
亚马逊科学团队提出一种新方法，通过引入全局分叉令牌使LLM产生多种推理路径，并采用集监督微调（SSFT）避免模式坍缩，该论文在ICLR 2026发表。
亚马逊科学家在ICLR发表论文，提出通过缩放定律连接架构设计决策，优化大语言模型准确性与推理效率的权衡。研究指出，现有缩放定律如Chinchilla未指定架构参数，而不同架构同参数模型推理吞吐量差异可达40%。新框架旨在预测最优架构选择。
亚马逊科学发布Promptimus，一种自动优化已完善提示的方法，具有模型无关、性能驱动、聚焦利用、全自动等优势，通过AI代理识别失败点并精准改进，无需人工工程。
亚马逊通过机制设计理论（VCG+CPP）开发Flo Pro系统，旨在优化与供应商的协同决策。该系统与一家知名消费品制造商进行了为期九周的试点，成功降低了供应链成本。
亚马逊在负责任AI方面投入大量资源，建立了覆盖预训练、后训练、评估和第三方监控的RAI流程，开发了超过70个内部和外部RAI工具，发表了500多篇研究论文，并提供了数万小时的RAI培训。
亚马逊与伊利诺伊大学厄巴纳-香槟分校研究人员在ICLR 2026上发表论文，提出C3LLM框架，用于统计认证LLM在对话中的灾难性风险，通过建模对话威胁模型并分配攻击率概率，弥补传统红队测试的不足。
美国国家标准与技术研究院（NIST）于2024年发布FIPS-203标准，指定ML-KEM作为后量子密码学密钥封装机制。亚马逊自动化推理组、AWS Cryptography与开源社区合作，创建了开源、形式化验证且优化的ML-KEM实现，以保护客户免受“现在存储、以后解密”攻击。