Automate the creation of handout notes using Amazon Bedrock Data Automation
在这篇文章中，我们展示了如何使用Amazon BedRock数据自动化进行视频分析来构建自动化的无服务器解决方案，以将网络研讨会记录转换为全面讲义。我们会引导您完成Amazon Bedrock数据自动化的实现，以转录和检测幻灯片的变化，以及使用Amazon Bedrock Foundation Models（FMS）进行转录细化，并结合AWS步骤功能策划的Custom AWS Lambda功能。
Streamline GitHub workflows with generative AI using Amazon Bedrock and MCP
本博客文章探讨了如何使用Amazon Bedrock FMS，Langgraph和模型上下文协议（MCP）创建强大的代理应用程序，并具有处理GitHub工作流程的实际情况，该方案是问题分析的GitHub工作流程，代码修复和提取请求生成。
今天，我们很高兴地宣布，Mistral-Small-3.2-24B-Instruct-2506 - Mistral AI的240亿参数大语言模型（LLM），该模型（LLM）已优化，可通过Amazon Sagemaker Jumpstart和Amazon Bedrock Market Place，可用于增强跟随和减少的重复错误，并减少重复错误。亚马逊基岩市场是亚马逊基岩的一种能力，开发人员可以用来发现，测试和使用[…]
Generate suspicious transaction report drafts for financial compliance using generative AI
可疑交易报告（STR）或可疑活动报告（SAR）是一种报告，如果金融组织有合理的理由怀疑任何在活动期间发生或尝试过的金融交易，则必须提交给金融监管机构。在这篇文章中，我们探索了一种使用亚马逊基岩中可用的FMS来创建草稿STR的解决方案。
在这篇文章中，我们提出了一个完整的解决方案，用于微调和部署Web自动化任务的Llama-3.2-11b-Vision-Instruct模型。我们演示了如何在Amazon Elastic Kubernetes Service（Amazon EKS）上使用AWS深度学习容器（DLC）建立安全，可扩展和高效的基础架构。
在这篇文章中，我们研究了Nippon Life India Asset Management Limited采用的解决方案，该解决方案通过重写用户查询，汇总和重新响应来提高响应的准确性（NAIVE）抹布方法。所提出的解决方案使用增强的抹布方法，例如重新骑行来提高整体精度
Build a drug discovery research assistant using Strands Agents and Amazon Bedrock
在这篇文章中，我们演示了如何使用Strands Agents和Amazon Bedrock创建强大的研究助理来发现药物。该AI助手可以使用模型上下文协议（MCP）同时搜索多个科学数据库，合成其发现，并就药物靶标，疾病机制和治疗领域产生全面的报告。
Amazon Nova Act SDK (preview): Path to production for browser automation agents
在这篇文章中，我们将介绍使Nova Act SDK与众不同的原因，其工作原理以及整个行业的团队如何使用它来自动化基于浏览器的工作流程。
在这篇文章中，我们探讨了Crypto.com如何使用用户和系统反馈来不断改进和优化我们的说明提示。这种反馈驱动的方法使我们能够创建更有效的提示，以适应各种子系统，同时在不同用例中保持高性能。
Build modern serverless solutions following best practices using Amazon Q Developer CLI and MCP
This post explores how the AWS Serverless MCP server accelerates development throughout the serverless lifecycle, from making architectural decisions with tools like get_iac_guidance and get_lambda_guidance, to streamlining development with get_serverless_templates, sam_init, to deployment with SAM
Build an intelligent eDiscovery solution using Amazon Bedrock Agents
在这篇文章中，我们演示了如何使用Amazon Bedrock代理来建立智能的Ediscovery解决方案进行实时文档分析。我们展示了如何通过多代理体系结构一起部署专业代理进行文档分类，合同分析，电子邮件审核和法律文档处理。我们详细介绍实施细节，部署步骤和最佳实践，以创建可扩展的基础，组织可以适应其特定的Edissovery要求。
How PerformLine uses prompt engineering on Amazon Bedrock to detect compliance violations
Performline在营销合规行业内运作，这是更广泛的合规软件市场的专业子集，其中包括各种合规性解决方案，例如反洗钱（AML），了解您的客户（KYC）等。在这篇文章中，Performline和AWS探讨了表演线如何使用AmazonbedRock来加速合规过程，生成可行的见解并提供上下文数据，从而延长了大规模监督必不可少的速度和准确性。
Boost cold-start recommendations with vLLM on AWS Trainium
在这篇文章中，我们演示了如何使用VLLM进行可扩展推理，并使用AWS深度学习容器（DLC）来简化模型包装和部署。我们将通过结构化的提示来产生兴趣扩展，将其编码为嵌入，用Faiss检索候选者，应用验证以保持结果的扎根，并以科学实验的形式构成寒冷的挑战 - 对LLM和编码器配对进行基础，并在建议级别上快速迭代，并显示出清晰的ROI
Benchmarking Amazon Nova: A comprehensive analysis through MT-Bench and Arena-Hard-Auto
MT Bench和Arena-Hard的存储库最初是使用OpenAI的GPT API开发的，主要采用GPT-4作为法官。我们的团队通过将其与Amazon Bedrock API集成来扩大其功能，以便使用Anthropic的Claude Sonnet在Amazon上担任法官。在这篇文章中，我们使用MT-Bench和Arena-Hard同时将Amazon Nova模型与通过Amazon Bedrock提供的其他领先的LLM进行比较。
Customize Amazon Nova in Amazon SageMaker AI using Direct Preference Optimization
在纽约市的AWS峰会上，我们为亚马逊Nova Foundation Models推出了一套全面的模型定制功能。作为现成的食谱Onamazon Sagemaker AI可用，您可以在模型培训生命周期中使用它们来适应Nova Micro，Nova Lite和Nova Pro，包括预训练，监督微调和对齐方式。在这篇文章中，我们提出了一种简化的方法来自定义Sagemaker培训工作中的Nova Micro。
Multi-tenant RAG implementation with Amazon Bedrock and Amazon OpenSearch Service for SaaS using JWT
在这篇文章中，我们引入了一种解决方案，该解决方案使用OpenSearch Service作为多租户RAG中的向量数据存储，使用JWT和FGAC实现数据隔离和路由。该解决方案结合使用JWT和FGAC来实现严格的租户数据访问隔离和路由，因此需要使用OpenSearch服务。
Enhance generative AI solutions using Amazon Q index with Model Context Protocol – Part 1
在这篇文章中，我们探讨了结合亚马逊Q索引和MCP的最佳实践和集成模式，使企业能够构建安全，可扩展且可操作的AI搜索和重新校正架构。
Beyond accelerators: Lessons from building foundation models on AWS with Japan’s GENIAC program
2024年，经济，贸易和工业部（METI）推出了生成的AI Accelerator Challenge（GenIAC），这是一项日本国家计划，该计划通过为公司提供资金，指导和大量计算资源来提高生成AI的基础资源（FM）开发。 AWS被选为Geniac第二周期的云提供商（周期2）。它为12个参与组织提供了基础架构和技术指导。
