Build an offline feature store using Amazon SageMaker Unified Studio and SageMaker Catalog
此博文提供了有关在 SageMaker Unified Studio 域中使用 SageMaker Catalog 实施离线功能存储的分步指南。通过采用发布-订阅模式，数据生产者可以使用此解决方案来发布精选的版本化特征表，而数据消费者可以安全地发现、订阅和重用它们以进行模型开发。
P-EAGLE: Faster LLM inference with Parallel Speculative Decoding in vLLM
在这篇文章中，我们将解释 P-EAGLE 的工作原理、如何将其集成到从 v0.16.0 (PR#32887) 开始的 vLLM 中，以及如何通过预先训练的检查点为其提供服务。
今天，我们宣布针对 Amazon Bedrock 推出两个新的 Amazon CloudWatch 指标：TimeToFirstToken 和 EstimatedTPMQuotaUsage。在这篇文章中，我们将介绍它们的工作原理以及如何设置警报、建立基线以及使用它们主动管理容量。
Secure AI agents with Policy in Amazon Bedrock AgentCore
在本文中，您将了解 Amazon Bedrock AgentCore 中的策略如何创建一个独立于代理自身推理运行的确定性执行层。您将学习如何将业务规则的自然语言描述转化为 Cedar 策略，然后使用这些策略来实施细粒度的身份感知控制，以便代理仅访问其用户有权使用的工具和数据。您还将了解如何通过 AgentCore Gateway 应用策略，在运行时拦截和评估每个代理到工具的请求。
Operationalizing Agentic AI Part 1: A Stakeholder’s Guide
AWS 生成式 AI 创新中心已帮助 1,000 多家客户将 AI 应用于生产，实现了数百万记录在案的生产力提升。在这篇文章中，我们为 C-suite 领导者分享指导：CTO、CISO、CDO、首席数据科学/人工智能官，以及企业主和合规主管。
Accelerate custom LLM deployment: Fine-tune with Oumi and deploy to Amazon Bedrock
在这篇文章中，我们将展示如何在 Amazon EC2 上使用 Oumi 微调 Llama 模型（可以选择使用 Oumi 创建合成数据）、在 Amazon S3 中存储工件以及使用自定义模型导入部署到 Amazon Bedrock 进行托管推理。
Run NVIDIA Nemotron 3 Nano as a fully managed serverless model on Amazon Bedrock
我们很高兴地宣布，NVIDIA 的 Nemotron 3 Nano 现已在 Amazon Bedrock 中作为完全托管的无服务器模型提供。此前，我们在 AWS re:Invent 上宣布支持 NVIDIA Nemotron 2 Nano 9B 和 NVIDIA Nemotron 2 Nano VL 12B 型号。本文探讨了 NVIDIA Nemotron 3 Nano 模型的技术特征并讨论了潜在的应用用例。此外，它还提供技术指导，帮助您开始在 Amazon Bedrock 环境中将此模型用于生成 AI 应用程序。
Access Anthropic Claude models in India on Amazon Bedrock with Global cross-Region inference
在本文中，您将了解如何在印度使用 Amazon Bedrock 的全球跨区域推理来处理 Claude 模型。我们将指导您了解每个 Claude 模型变体的功能以及如何开始使用代码示例，以帮助您立即开始构建生成式 AI 应用程序。
How Ricoh built a scalable intelligent document processing solution on AWS
本文探讨了理光如何使用 AWS GenAI IDP Accelerator 作为基础构建标准化的多租户解决方案，用于自动文档分类和提取，从而将其文档处理从自定义工程瓶颈转变为可扩展、可重复的服务。
Building a scalable virtual try-on solution using Amazon Nova on AWS: part 1
在这篇文章中，我们将探讨 Amazon Nova Canvas 中现有的虚拟试穿功能，包括快速入门的示例代码以及帮助获得最佳输出的提示。
本文详细介绍了 Lendi Group 如何使用 Amazon Bedrock 构建人工智能驱动的 Home Loan Guardian、他们面临的挑战、他们实施的架构以及他们取得的重大业务成果。他们的旅程为那些希望使用生成式人工智能改变客户体验，同时保持人性化以建立信任和忠诚度的组织提供了宝贵的见解。
How Tines enhances security analysis with Amazon Quick Suite
在这篇文章中，我们向您展示如何将 Quick Suite 与 Tines 连接，以安全地检索、分析和可视化来自任何安全或 IT 系统的企业数据。我们将演练一个示例，该示例使用 Tines 中的 MCP 服务器从各种工具（例如 AWS CloudTrail、Okta 和 VirusTotal）检索数据，以使用 Quick Suite 修复安全事件。
Build safe generative AI applications like a Pro: Best Practices with Amazon Bedrock Guardrails
在这篇文章中，我们将向您展示如何配置 Amazon Bedrock Guardrails 以获得高效性能，实施最佳实践来保护您的应用程序，并有效监控您的部署以在安全性和用户体验之间保持适当的平衡。
Learnings from COBOL modernization in the real world
实现成功的 COBOL 现代化需要一种解决方案，该解决方案可以确定性地进行逆向工程，生成经过验证和可追踪的规范，并帮助这些规范流入任何人工智能驱动的编码助手以进行正向工程。成功的现代化需要逆向工程和正向工程。在这篇文章中了解有关 COBOL 的更多信息。
Large model inference container – latest capabilities and performance enhancements
AWS 最近发布了大型模型推理 (LMI) 容器的重大更新，为在 AWS 上托管 LLM 的客户提供全面的性能改进、扩展的模型支持和简化的部署功能。这些版本的重点是降低操作复杂性，同时在流行的模型架构中提供可衡量的性能提升。
Efficiently serve dozens of fine-tuned models with vLLM on Amazon SageMaker AI and Amazon Bedrock
在这篇文章中，我们将解释如何在 vLLM 中为专家混合 (MoE) 模型实现多 LoRA 推理，描述我们执行的内核级优化，并向您展示如何从这项工作中受益。我们在这篇文章中使用 GPT-OSS 20B 作为我们的主要示例。
Building intelligent event agents using Amazon Bedrock AgentCore and Amazon Bedrock Knowledge Bases
本文演示了如何使用 Amazon Bedrock AgentCore 组件快速部署生产就绪的事件助手。我们将构建一个智能伴侣，它可以记住与会者的偏好并随着时间的推移构建个性化体验，而 Amazon Bedrock AgentCore 则负责处理生产部署的繁重工作：Amazon Bedrock AgentCore Memory 用于维护对话上下文和长期偏好，无需自定义存储解决方案；Amazon Bedrock AgentCore Identity 用于安全的多 IDP 身份验证；Amazon Bedrock AgentCore Runtime 用于无服务器扩展和会话隔离。我们还将使用 Amazo
Train CodeFu-7B with veRL and Ray on Amazon SageMaker Training jobs
在这篇文章中，我们将演示如何在由 SageMaker 训练作业管理的分布式 Ray 集群中使用组相对策略优化 (GRPO) 和 veRL 来训练 CodeFu-7B（一种用于竞争性编程的专用 70 亿参数模型），veRL 是一个灵活高效的大型语言模型 (LLM) 训练库，可直接扩展各种 RL 算法，并与现有 LLM 基础设施无缝集成。我们将介绍完整的实施过程，涵盖数据准备、分布式训练设置和全面的可观察性，展示这种统一的方法如何为复杂的 RL 训练工作负载提供计算规模和开发人员体验。
