Optimize query responses with user feedback using Amazon Bedrock embedding and few-shot prompting
这篇文章演示了亚马逊基岩如何与用户反馈数据集结合使用，很少有射击提示，可以完善响应，以提高用户满意度。通过使用Amazon Titan Text Embeddings V2，我们证明了响应质量的统计学上显着改善，使其成为寻求准确和个性化响应的应用程序的宝贵工具。
Amazon Q业务集成与Microsoft 365应用程序直接在您的团队每天使用的工具中提供强大的AI援助。在这篇文章中，我们探讨了这些Outlook和Word的集成如何可以改变您的工作流程。
Integrate Amazon Bedrock Agents with Slack
在这篇文章中，我们提供了一种解决方案，将亚马逊基岩代理商纳入您的松弛工作区。我们指导您配置Slack Workspace，在Amazon Web服务中部署集成组件以及使用此解决方案。
Secure distributed logging in scalable multi-account deployments using Amazon Bedrock and LangChain
在这篇文章中，我们提出了一种解决分布式日志记录多学院部署的解决方案。
在这篇文章中，我们演示了如何使用Amazon Q Business构建自定义插件进行后端集成。该插件可以集成现有系统，包括第三方系统，仅在几周内就几乎没有开发并自动化关键工作流程。此外，我们展示了如何使用Amazon Cognito和AWS IAM身份中心来保护解决方案，以保持敏感数据和工作流的安全性和完整性。
Detect hallucinations for RAG-based systems
这篇文章将为您介绍如何为基于抹布的应用创建基本的幻觉检测系统。我们还根据准确性，精确度，召回和成本来权衡不同方法的利弊。
AWS machine learning supports Scuderia Ferrari HP pit stop analysis
维修人员经过培训，以最佳的效率运行，尽管衡量其性能一直具有挑战性。在这篇文章中，我们分享了亚马逊Web服务（AWS）如何帮助Scuderia Ferrari HP使用机器学习（ML）开发更准确的距离停止分析技术。
Accelerate edge AI development with SiMa.ai Edgematic with a seamless AWS integration
在这篇文章中，我们演示了如何使用SageMaker AI和Sima.ai Palette软件套件对模型进行重新训练和量化。目的是准确检测个人在可见性和保护设备检测对于合规性和安全性至关重要的环境中。
在这个专业信息提取解决方案的基础上建立了建立，并利用Sagemaker Hyperpod的功能，我们与Apoidea Group合作探索了使用大型视觉语言模型（LVLM）的使用，以进一步改善银行和财务文档上的表结构识别性能。在这篇文章中，我们介绍了使用Sagemaker Hyperpod上的Llama-Factory进行QWEN2-VL-7B教学模型进行微调的QWEN2-VL-7B教学模型的逐步代码。
How Qualtrics built Socrates: An AI platform powered by Amazon SageMaker and Amazon Bedrock
在这篇文章中，我们分享了Qualtrics如何构建由亚马逊萨吉式制造商和亚马逊基岩提供支持的AI平台。
Vxceed secures transport operations with Amazon Bedrock
aws与VXCECE合作支持其AI策略，从而开发了limoconnect Q，这是一种创新的地面运输管理解决方案。 VXCEED使用AWS服务，包括Amazon Bedrock和Lambda，成功地建立了一个安全的AI驱动解决方案，以简化Trip Trip预订和文档处理。
Cost-effective AI image generation with PixArt-Σ inference on AWS Trainium and AWS Inferentia
这篇文章是我们将在Trainium和推断供电的实例上运行多个扩散变压器的系列中的第一篇文章。在这篇文章中，我们展示了如何将Pixart-Sigma部署到训练和推断供电的实例中。
Cost-effective AI image generation with PixArt-Sigma inference on AWS Trainium and AWS Inferentia
这篇文章是我们将在Trainium和推断供电的实例上运行多个扩散变压器的系列中的第一篇文章。在这篇文章中，我们展示了如何将Pixart-Sigma部署到训练和推断供电的实例中。
Customize DeepSeek-R1 671b model using Amazon SageMaker HyperPod recipes – Part 2
在这篇文章中，我们使用食谱来微调原始的DeepSeek-R1 671b参数模型。我们通过使用Sagemaker培训工作和Sagemaker Hyperpod的逐步实施这些食谱来证明这一点。
在这篇文章中，我们向您展示了亚马逊Q业务如何通过回答问题，提供摘要，生成内容并根据企业系统中的数据和信息安全完成任务来帮助增加所有上述用例中的生成AI需求。
Securing Amazon Bedrock Agents: A guide to safeguarding against indirect prompt injections
生成的AI工具已经改变了我们的工作，创建和处理信息的方式。在Amazon Web服务（AWS），安全是我们的首要任务。因此，亚马逊基岩提供了全面的安全控制和最佳实践，以帮助保护您的应用程序和数据。在这篇文章中，我们探讨了亚马逊基石代理提供的安全措施和实践策略，以保护您的AI交互作用，以防止您的AI交互作用，以确保您的应用程序既安全又可靠。
在这篇文章中，我们使用Amazon Elastic Kubernetes服务（EKS）与Amazon Bedrock一起演示了一个解决方案，以在AWS上为您的生成AI应用程序构建可扩展和容器化的RAG解决方案，同时将非结构化用户文件数据带入直接，快速和安全的方式，并将您的非结构用户文件数据带到Amazon Bedrock。
