Automate advanced agentic RAG pipeline with Amazon SageMaker AI
在这篇文章中，我们介绍了如何简化您的破布开发生命周期从实验到自动化，从而帮助您通过Amazon Sagemaker AI来运行RAG解决方案，以帮助您的团队有效地实验，有效地协作并驱动持续改进。
Unlock model insights with log probability support for Amazon Bedrock Custom Model Import
在这篇文章中，我们探讨了日志概率如何与亚马逊基岩中的导入模型一起使用。您将了解什么是日志概率，如何在API调用中启用它们以及如何解释返回的数据。我们还重点介绍了实用的应用程序，从检测潜在的幻觉到优化抹布系统和评估微调模型 - 这些洞察力如何可以改善您的AI应用程序，从而帮助您使用自定义模型来帮助您构建更多可信赖的解决方案。
Migrate from Anthropic’s Claude 3.5 Sonnet to Claude 4 Sonnet on Amazon Bedrock
这篇文章提供了一种系统的方法，可以从Anthropic的Claude 3.5十四行诗中迁移到Amazon Bedrock上的Claude 4十四行诗。我们检查了关键模型差异，突出了基本的迁移考虑，并提供了经过验证的最佳实践，以将这种必要的过渡转变为一种为您的组织带来可衡量价值的战略优势。
Enhance video understanding with Amazon Bedrock Data Automation and open-set object detection
在现实世界的视频和图像分析中，企业经常面临检测不是模型原始培训集的对象的挑战。在新的，未知或用户定义的对象经常出现的动态环境中，这变得特别困难。在这篇文章中，我们探讨了亚马逊基岩数据自动化如何使用OSOD来增强视频理解。
Skello是领先的人力资源（HR）软件，作为服务（SAAS）的解决方案，重点是员工调度和劳动力管理。 Skello迎合了酒店，零售，医疗保健，建筑和行业等各个领域的餐饮，提供了包括计划创建，时间跟踪和工资编制的功能。我们深入研究了实施大型语言模型（LLM）进行数据查询的挑战，尤其是在法国公司根据《通用数据保护法规》（GDPR）运营的情况下。
Create a private workforce on Amazon SageMaker Ground Truth with the AWS CDK
在这篇文章中，我们提供了一个完整的解决方案，用于使用AWS Cloud Development Kit（AWS CDK）在Amazon Sagemaker AI上编程创建私人劳动力，包括设置专用，完整配置的Amazon Cognito用户池。
TII Falcon-H1 models now available on Amazon Bedrock Marketplace and Amazon SageMaker JumpStart
我们很高兴地宣布，在亚马逊基岩市场和亚马逊萨金人的Amazon Sagemaker Jumpstart上，技术创新研究所（TII）的Falcon-H1车型的可用性。通过此次发布，开发人员和数据科学家现在可以在AWS上使用六种指令调节的Falcon-H1型号（0.5b，1.5b，1.5b，1.5b，3b，7b和34b），并可以访问一系列混合体系结构，这些模型将传统注意力机制与州空间模型（SSMS）相结合，以提供具有非精致效率的效率。
Oldcastle accelerates document processing with Amazon Bedrock
这篇文章探讨了Oldcastle与AWS合作的方式，使用Amazon Bedrock与Amazon swarktract一起改变了他们的文档处理工作流程。我们讨论了Oldcastle如何克服了他们以前的OCR解决方案的局限性，以自动处理每月数十万个POD文档的处理，从而大大提高准确性，同时减少手动努力。
在这篇文章中，我们探讨了伦敦证券交易所集团（LSEG）如何使用亚马逊基岩和Anthropic的Claude Foundation模型来建立一个自动化系统，从而显着提高了市场监视操作的效率和准确性。
Build trustworthy AI agents with Amazon Bedrock AgentCore Observability
在这篇文章中，我们将带您浏览Amazon Bedrock代理商运行时托管的两个代理商以及在其他服务上托管的代理商，例如Amazon Elastic Compute Cloud（Amazon EC2），Amazon Elastic Kubernetes Service（Amazon EKS），AWS Lambda或其他云提供者。我们还分享了整个开发生命周期中可观察性的最佳实践。
Powering innovation at scale: How AWS is tackling AI infrastructure challenges
随着生成性AI的发展继续改变企业的运作方式并开发净创新，基础设施对培训和部署AI模型的需求已成倍增长。传统的基础设施方法正在努力与当今的计算要求，网络需求以及现代AI工作负载的弹性需求保持同步。在AWS，我们还看到了整个技术的转变[…]
Accelerate your model training with managed tiered checkpointing on Amazon SageMaker HyperPod
AWS宣布在亚马逊Sagemaker Hyperpod中宣布了托管分层的检查点，这是一种专门建立的基础架构，可扩展和加速成千上万个AI加速器的生成AI模型开发。托管分层检查点使用CPU内存进行高性能检查点存储，并在相邻计算节点上自动数据复制，以增强可靠性。在这篇文章中，我们深入研究了这些概念，并了解如何使用托管分层检查点功能。
Maximize HyperPod Cluster utilization with HyperPod task governance fine-grained quota allocation
我们很高兴地宣布高元素和内存配额分配的一般可用性，并宣布高架任务治理。借助此功能，客户可以优化Amazon弹性Kubernetes服务（Amazon EKS）上的Amazon Sagemaker HyperPod群集利用，分发公平用法，并支持不同团队或项目之间的有效资源分配。有关更多信息，请参见HyperPod Task Task Ponsectance […]
这篇文章演示了如何使用Strands代理快速构建复杂的AI代理，用Amazon Bedrock Agent可靠地扩展它们，并使它们可以通过Librechat熟悉的界面访问，以推动整个机构的立即采用。
SKAI（以前为Kenshoo）是AI驱动的全渠道广告和分析平台，旨在为品牌和代理机构设计，跨搜索，社交，零售媒体市场和其他单个接口中的其他“零售媒体市场和其他“墙壁”媒体市场和其他“ Walled-Garden”频道）。在这篇文章中，我们分享了SKAI如何使用亚马逊基石代理来改善数据访问和分析并改善客户见解。
The power of AI in driving personalized product discovery at Snoonu
在这篇文章中，我们分享了中东领先的电子商务平台Snoonu如何使用AI驱动的个性化改变了他们的产品发现体验。在这篇文章中，我们分享了中东领先的电子商务平台Snoonu如何使用AI驱动的个性化改变了他们的产品发现体验。
Accelerating HPC and AI research in universities with Amazon SageMaker HyperPod
style="text-indent: 2em; "In this post, we demonstrate how a research university implemented SageMaker HyperPod to accelerate AI research by using dynamic SLURM partitions, fine-grained GPU resource management, budget-aware compute cost tracking, and multi-login node load balancing—all integrated seamlessly into the SageMake
Exploring the Real-Time Race Track with Amazon Nova
style="text-indent: 2em; "This post explores the Real-Time Race Track (RTRT), an interactive experience built using Amazon Nova in Amazon Bedrock, that lets fans design, customize, and share their own racing circuits. We highlight how generative AI capabilities come together to deliver strategic racing insights such as pit t
