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。
亚马逊科学家研究中程物流网络优化，通过考虑需求、道路延迟等不确定性因素，优化需求可变性可节省0.5%的成本，以维持次日达服务承诺。
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。
亚马逊与Nimbus Therapeutics合作，利用定制Nova模型结合监督微调和强化微调，在分子性质预测上达到与多个图神经网络相当的效果，大幅简化工作流程。
AWS与Hopkins Engineering联合推出用于AI/ML抗体设计的公共数据库，旨在利用蛋白质语言模型和结构深度学习框架预测抗体可开发性，加速抗体发现并降低实验成本。
亚马逊宣布其AWS团队构建了名为RuleForge的智能AI系统，能够直接从漏洞利用代码示例生成检测规则。2025年国家漏洞数据库发布了超过48000个新CVE。RuleForge相比手动创建规则实现了336%的生产力优势，并保持了生产安全系统所需的精确度。该系统与MadPot蜜罐系统和Sonaris检测系统协同工作，大幅缩短了漏洞披露到防御的窗口期。