Deploy conversational agents with Vonage and Amazon Nova Sonic
在这篇文章中，我们探讨了开发人员如何将Amazon Nova Sonic与Vonage Communications Service集成，以实时建立响应式，自然的语音体验。通过将Vonage Voice API与亚马逊Sonic的低延迟和表达性语音能力相结合，企业可以部署与传统语音界面相比，提供更类似人类的互动的AI语音代理。这些代理可以用作客户支持，虚拟助手等。
Enabling customers to deliver production-ready AI agents at scale
今天，我很高兴分享我们如何将这种愿景带入新的能力，这些功能应对建筑和部署代理的基本方面。这些创新将帮助您超越实验，再到可以通过最关键的业务流程来信任生产的代理系统。
Monitor agents built on Amazon Bedrock with Datadog LLM Observability
我们很高兴宣布Datadog LLM可观察性与亚马逊基岩代理之间的新集成，以帮助监视基于亚马逊基岩建造的代理应用程序。在这篇文章中，我们将探讨Datadog的LLM可观察性如何提供成功监视，操作和调试生产级代理应用所需的可见性和控制性。
How PayU built a secure enterprise AI assistant using Amazon Bedrock
Payu提供了一个全栈数字金融服务系统，可通过技术来满足商人，银行和消费者的财务需求。在这篇文章中，我们解释了如何为Payu团队提供企业AI解决方案，并使用Amazon Bedrock将AI访问民主化，而不会损害数据居住要求。
这篇文章与Nvidia的Andrew Liu，Chelsea Isaac，Zoey Zhang和Charlie Huang共同撰写。 Amazon Web服务（AWS）上的DGX Cloud代表了民主化获得高性能AI基础架构的重大飞跃。通过将NVIDIA GPU专业知识与AWS可扩展的云服务相结合，组织可以加速训练时间，降低操作复杂性并解锁[…]
Accelerate generative AI inference with NVIDIA Dynamo and Amazon EKS
这篇文章介绍了Nvidia Dynamo，并解释了如何在Amazon EKS上设置它以进行自动缩放和简化Kubernetes操作。我们提供了动手演练，该演练使用AWS Labs在EKS GitHub Repo上的AI上使用NVIDIA Dynamo蓝图来提供基础架构，配置监视并安装NVIDIA DYNAMO操作员。
AWS doubles investment in AWS Generative AI Innovation Center, marking two years of customer success
在这篇文章中，AWS宣布对其AWS生成AI创新中心进行了1亿美元的额外投资，标志着从金融服务到医疗保健的行业，两年的成功客户合作。这项投资随着AI发展朝着更加自主的代理系统发展，该中心已经帮助数千个客户推动了数百万的生产力增长并改变客户体验。
How Rapid7 automates vulnerability risk scores with ML pipelines using Amazon SageMaker AI
在这篇文章中，我们分享了Rapid7如何实施端到端自动化，以用于预测CVSS向量的ML模型的培训，验证和部署。 Rapid7客户拥有所需的信息，以准确了解其风险并确定补救措施。
Build secure RAG applications with AWS serverless data lakes
在这篇文章中，我们探讨了如何使用无服务器数据湖体系结构构建安全的RAG应用程序，这是支持生成AI开发的重要数据策略。我们使用亚马逊Web服务（AWS）服务，包括Amazon S3，Amazon DynamoDB，AWS Lambda和Amazon Bedrock知识库来创建一个全面的解决方案，以支持可以扩展到结构化数据的非结构化数据资产。该帖子涵盖了如何为您的企业数据实施细粒度的访问控件，并设计元数据驱动的检索系统，以尊重安全边界。这些方法将帮助您最大程度地提高组织数据的价值，同时保持强大的安全性和合规性。
Advanced fine-tuning methods on Amazon SageMaker AI
在AWS上微调ML模型时，您可以为您的特定需求选择合适的工具。 AWS为数据科学家，ML工程师和业务用户提供了一系列全面的工具，以实现其ML目标。 AWS建立了支持各种ML复杂性的解决方案，从简单的Sagemaker培训工作进行FM微调到萨吉马制造商Hyperpod的力量进行尖端研究。我们邀请您探索这些选项，从适合您当前需求的内容开始，并随着这些需求的变化而发展您的方法。
在这篇文章中，我们深入研究了如何将Amazon Q迅速地集成，以转换自然语言请求，例如“向我展示过去6个月在美国返回了多少个项目”为有意义的数据可视化。我们演示了如何在Quicksight中将亚马逊基岩代理与Amazon Q相结合，创建了一个全面的数据助手，该数据助理通过单个直观的对话界面（跨企业的数据访问）提供SQL代码和视觉见解。
Implement user-level access control for multi-tenant ML platforms on Amazon SageMaker AI
在这篇文章中，我们讨论了权限管理策略，重点介绍了基于属性的访问控制（ABAC）模式，这些模式可实现粒度用户访问控制，同时最大程度地减少AWS身份和访问管理（IAM）角色的扩散。我们还分享了经过验证的最佳实践，可帮助组织维持安全性和合规性，而无需牺牲其ML工作流程的运营效率。
Long-running execution flows now supported in Amazon Bedrock Flows in public preview
我们宣布，在亚马逊基岩流动中的长期执行（异步）流量支持的公众预览。借助亚马逊基石流，您可以将基础型号（FMS），亚马逊基岩提示管理，亚马逊基岩代理，亚马逊基岩知识库，亚马逊基岩护栏和其他AWS服务一起构建和扩展预定义的生成AI工作流程。
Fraud detection empowered by federated learning with the Flower framework on Amazon SageMaker AI
在这篇文章中，我们探讨了萨格人和联邦学习如何帮助金融机构构建可扩展的隐私优先欺诈检测系统。
Building intelligent AI voice agents with Pipecat and Amazon Bedrock – Part 2
在本系列的第1部分中，您了解了如何使用Amazon Bedrock和PipeCat的组合，这是语音和多模式对话AI代理的开源框架，以使用类似人类的对话AI来构建应用程序。您了解了语音代理的常见用例和级联模型方法，在此过程中，您可以在其中精心策划多个组件来构建语音AI代理。在这篇文章（第2部分）中，您探讨了如何使用语音到语音基础模型，亚马逊Nova Sonic以及使用统一模型的好处。
在时装行业中，团队经常会迅速进行创新，经常利用AI。共享内容，无论是通过视频，设计还是其他方式，都可以带来内容审核的挑战。产生和共享不适当，进攻或有毒内容的风险（通过故意或无意采取的行动）仍然存在风险。在这篇文章中，我们介绍了亚马逊基岩护栏的多模式毒性检测功能，以防止有毒内容。无论您是时装行业的企业巨头还是一个新兴的品牌，都可以使用此解决方案来筛选潜在的有害内容，然后才能影响品牌的声誉和道德标准。出于本文的目的，道德标准是指时装设计师可以创建的有毒，不尊重或有害内容和图像。
New capabilities in Amazon SageMaker AI continue to transform how organizations develop AI models
在这篇文章中，我们分享了Sagemaker AI中的一些新创新，这些创新可以加速您的构建和培训AI模型。这些创新包括SageMaker Hyperpod中的新可观察性功能，在HyperPod上部署JumpStart模型的能力，从本地开发环境中与SageMaker AI的远程连接以及完全管理的MLFLOW 3.0。
Accelerate foundation model development with one-click observability in Amazon SageMaker HyperPod
With a one-click installation of the Amazon Elastic Kubernetes Service (Amazon EKS) add-on for SageMaker HyperPod observability, you can consolidate health and performance data from NVIDIA DCGM, instance-level Kubernetes node exporters, Elastic Fabric Adapter (EFA), integrated file systems, Kubernet
