Impel enhances automotive dealership customer experience with fine-tuned LLMs on Amazon SageMaker
在这篇文章中，我们与SageMaker的微调LLMS分享Impel如何增强汽车经销商的客户体验。
How climate tech startups are building foundation models with Amazon SageMaker HyperPod
在这篇文章中，我们展示了气候技术初创公司如何开发基础模型（FMS），这些模型（FMS）使用广泛的环境数据集来解决诸如碳捕获，碳阴性燃料，新的微塑料破坏和生态系统保存等问题。这些专业模型需要高级计算功能来有效地处理和分析大量数据。
Supercharge your development with Claude Code and Amazon Bedrock prompt caching
在这篇文章中，我们将探讨如何将Amazon Bedrock提示缓存与Claude Code相结合，这是由人类发布的编码代理，现在通常可用。这种功能强大的组合通过减少推理响应延迟以及降低输入令牌成本的响应来改变您的开发工作流程。
Unlocking the power of Model Context Protocol (MCP) on AWS
，由于生成AI公司投资开发其产品，我们已经见证了模型能力的显着进步。诸如Anthropic的Claude Opus 4＆Sonnet 4和Amazon Nova之类的语言模型可以推理，写作并产生越来越复杂的响应。但是，即使这些模型变得更强大，它们也只能起作用[…]
Build a scalable AI assistant to help refugees using AWS
丹麦人道主义组织贝瓦尔乌克兰（Bevar Ukraine）开发了一个综合的虚拟生成性AI驱动的助手，名为Victor，旨在满足乌克兰难民的紧迫需求，这些难民将整合到丹麦社会中。本文详细介绍了我们使用AWS服务的技术实施，以创建可扩展的多语言AI助手系统，该系统在维护数据安全和GDPR合规性的同时提供自动帮助。
Enhanced diagnostics flow with LLM and Amazon Bedrock agent integration
在这篇文章中，我们探讨了Noodoe如何使用AI和Amazon Bedrock优化EV充电操作。通过集成LLM，Noodoe可以增强电台诊断，启用动态定价并提供多语言支持。这些创新降低了停机时间，最大化效率并提高了可持续性。继续阅读以发现AI如何转换电动汽车充电管理。
Build GraphRAG applications using Amazon Bedrock Knowledge Bases
在这篇文章中，我们探讨了如何在亚马逊基岩知识库中使用基于图的检索型生成（GraphRag）来构建智能应用程序。与传统矢量搜索（根据相似性分数检索文档）不同，知识图编码实体之间的关系，允许大型语言模型（LLMS）通过上下文感知的推理检索信息。
本博客文章提供了一种MLOPS解决方案，该解决方案使用AWS Cloud开发套件（AWS CDK）以及AWS STEP功能，Amazon EventBridge和Amazon等服务个性化，以自动化为数据准备，模型培训，部署和监视亚马逊个性化的提供资源。
Fast-track SOP processing using Amazon Bedrock
当美国食品药品监督管理局（FDA）等监管机构引入法规变更时，需要组织来评估针对内部SOP的变化。在必要时，他们必须更新SOP，以与法规更改保持一致并保持合规性。在这篇文章中，我们使用亚马逊基岩展示了不同的方法，以识别法规变化与SOP之间的关系。
Deploy Amazon SageMaker Projects with Terraform Cloud
在这篇文章中，您定义，部署和提供纯粹在Terraform中的SageMaker项目自定义模板。由于对其他IAC工具没有依赖性，因此您现在可以严格在Terraform企业基础架构中启用Sagemaker项目。
Zuru与AWS生成AI创新中心合作，并使用AWS专业服务，以使用Generative AI实施更准确的文本到层次底层计划生成器。在这篇文章中，我们向您展示了为什么选择使用大语言模型（LLM）的解决方案。我们探讨了如何使用模型选择，及时的工程和微调来改善结果。
Going beyond AI assistants: Examples from Amazon.com reinventing industries with generative AI
非转化应用程序提供了独特的优势，例如较高的延迟耐受性，批处理处理和缓存，但与对话性应用相比，它们的自主性质需要更强的护栏和详尽的质量保证，这受益于实时用户反馈和监督。这篇文章介绍了此类AI应用程序的四种不同的Amazon.com示例。
Architect a mature generative AI foundation on AWS
在这篇文章中，我们概述了建立了良好的生成AI基础，深入研究了其组成部分，并提出了端到端的视角。我们查看不同的操作模型，并探讨了这些基础如何在这些边界内运作。最后，我们提出了一个成熟模型，该模型可帮助企业评估其演化路径。
Using Amazon OpenSearch ML connector APIs
OpenSearch提供了广泛的第三方机器学习（ML）连接器，以支持此增强。这篇文章突出显示了这些第三方ML连接器中的两个。我们演示的第一个连接器是Amazon Classend Connector。在这篇文章中，我们向您展示如何使用此连接器调用LangDetect API来检测摄入文档的语言。我们演示的第二个连接器是亚马逊基岩连接器，用于调用Amazon Titan Text Embeddings V2模型，以便您可以从摄入的文档中创建嵌入并执行语义搜索。
Amazon Bedrock模型副本和模型共享功能为管理从开发到生产的AI应用程序的生命周期提供了有力的选择。在这篇全面的博客文章中，我们将深入了解模型共享和模型复制功能，在典型的开发到生产方案中探索其功能，好处和实际应用。
Revolutionizing earth observation with geospatial foundation models on AWS
在这篇文章中，我们探讨了如何将领先的GeoFM（Clay Foundation的Clay Foundation模型在拥抱面上可用）如何用于大规模推断和在Amazon Sagemaker上进行微调。
在这篇文章中，我们演示了使用LlamainDex框架构建代理RAG应用程序的示例。 LlamainDex是将FMS连接到外部数据源的框架。它有助于从数据库，API，PDF等摄入，结构和检索信息，从而使代理和抹布适合AI应用程序。该应用程序用作研究工具，使用亚马逊基岩上的Mistral大2 FM产生对代理流量的响应。
Text-to-image basics with Amazon Nova Canvas
在这篇文章中，我们专注于亚马逊新星图像生成模型。然后，我们提供了图像生成过程（扩散）的概述，并深入介绍了使用Amazon Nova Canvas进行文本到图像生成的输入参数。
