Unleash AI innovation with Amazon SageMaker HyperPod
在这篇文章中，我们展示了SageMaker HyperPod及其在AWS RE：Invent 2024上引入的新功能如何满足现代AI工作负载的需求，从而提供了针对分布式培训和加速推理的持久和优化的群集，并在云规模上加速推理和有吸引力的价格。
医疗保健决策通常需要从多个来源（例如医学文献，临床数据库和患者记录）进行整合。 LLMS缺乏从这些多样化和分布式来源中无缝访问和合成数据的能力。这限制了他们为医疗保健应用提供全面且信息良好的见解的潜力。在这篇博客文章中，我们将探讨亚马逊基地上的Mistral LLM如何应对这些挑战，并能够通过LLM功能呼叫功能的智能医疗保健代理，同时通过亚马逊BedRock Guardrails保持强大的数据安全和隐私。
Creating asynchronous AI agents with Amazon Bedrock
随着组织认识到这些技术的未开发潜力，生成的AI代理将生成的AI代理集成到业务流程中。多模式人工智能（AI）的进步，代理商不仅可以理解和生成文本，而且还可以生成图像，音频和视频，还将进一步扩大其应用程序。这篇文章将讨论代理AI驱动的体系结构和实施方式。
How to run Qwen 2.5 on AWS AI chips using Hugging Face libraries
在这篇文章中，我们概述了如何使用拥抱脸部文本生成推断（TGI）容器（TGI）容器（TGI）容器（TGI）和TheHugging Optimum face face face facimum neuron库来使用使用Amazon弹性Compute Cloud（Amazon EC2）和Amazon Sagemaker部署QWEN 2.5模型家族。还支持QWEN2.5编码器和数学变体。
Revolutionizing customer service: MaestroQA’s integration with Amazon Bedrock for actionable insight
在这篇文章中，我们深入研究了Maestroqa的关键特征之一 - 转化分析，该特征有助于支持团队发现客户的关注点，解决摩擦点，适应支持工作流程以及通过使用亚马逊贝德洛克（Amazon Bedrock）来确定指导的领域。我们讨论了Maestroqa克服的独特挑战，以及他们如何使用AWS来构建新功能，推动客户见解并提高运营效率低下。
Optimize hosting DeepSeek-R1 distilled models with Hugging Face TGI on Amazon SageMaker AI
在这篇文章中，我们演示了如何通过Amazon Sagemaker AI优化托管DeepSeek-R1蒸馏型模型（TGI）。
Exploring creative possibilities: A visual guide to Amazon Nova Canvas
在这篇博客文章中，我们展示了由Nova Canvas生成的视觉效果的策划画廊（由现实世界中用例进行了分类），从营销和产品可视化到概念艺术和设计探索。每个图像都与生成它的提示和参数配对，为您自己的AI驱动创造力提供了一个实用的起点。无论您是制作特定类型的图像，优化工作流还是简单地寻求灵感，本指南都将帮助您解锁亚马逊Nova帆布的全部潜力。
Benchmarking Amazon Nova and GPT-4o models with FloTorch
Flotorch最近进行的评估将亚马逊Nova车型的性能与OpenAI的GPT-4O进行了比较。在这篇文章中，我们更详细地讨论了此基准测试的发现。
Deploy DeepSeek-R1 distilled models on Amazon SageMaker using a Large Model Inference container
在SageMaker AI上部署DeepSeek模型为寻求在其应用程序中使用最先进的语言模型的组织提供了强大的解决方案。在这篇文章中，我们展示了如何在SageMaker AI中使用蒸馏型，该模型提供了几种选择R1模型的蒸馏版本。
在这篇文章中，我们介绍了如何使用Amazon Rekognition自定义标签来构建FoodSavr解决方案（用于本文目的的虚拟名称），以检测成分并使用Antharpic的Claude 3.0在Amazon Bedrock上生成个性化食谱。我们演示了一个端到端的体系结构，用户可以上传冰箱的图像，并使用那里找到的成分（Amazon Rekognition检测到），该解决方案将为他们提供食谱列表（由Amazon Bedrock生成）。该体系结构还识别缺失的成分，并为用户提供附近杂货店的列表。
Transforming financial analysis with CreditAI on Amazon Bedrock: Octus’s journey with AWS
在这篇文章中，我们演示了Octus如何将其旗舰产品Creditai迁移到亚马逊基岩，从而改变了投资专业人员如何访问和分析信用情报。我们踏上了Octus的旅程，从管理多个云提供商和昂贵的GPU实例到使用AWS服务（包括Amazon Bedrock，AWS Fargate和Amazon OpenSearch Service）的AWS服务实施简化的，具有成本效益的解决方案。
Optimize reasoning models like DeepSeek with prompt optimization on Amazon Bedrock
在这篇文章中，我们使用Amazon Bedrock上的迅速优化来演示如何优化诸如DeepSeek-R1之类的推理模型。
Amazon Bedrock announces general availability of multi-agent collaboration
今天，我们宣布了亚马逊基岩多代理合作的一般可用性（GA）。此功能使开发人员可以建立，部署和管理AI代理的网络，这些网络共同执行复杂的多步有效工作流程。
今天，亚马逊Web服务（AWS）宣布了亚马逊基岩知识库（GraphRag）的一般可用性，这是亚马逊基岩知识库中的能力，可增强Amazon Neptune Analytics中的图形数据，增强了检索效果的生成（RAG）。在这篇文章中，我们讨论了GraphRag的好处以及如何在Amazon Bedrock知识库中开始。
Evaluate RAG responses with Amazon Bedrock, LlamaIndex and RAGAS
在这篇文章中，我们将探讨如何利用亚马逊基岩，LlamainDex和Ragas来增强您的抹布实现。您将学习实用的技术来评估和优化您的AI系统，从而实现与组织特定需求保持一致的更准确，上下文感知的响应。
Innovating at speed: BMW’s generative AI solution for cloud incident analysis
在这篇文章中，我们解释了宝马如何使用生成AI加快云中复杂和分布式系统中事件的根本原因分析，例如宝马连接的车辆后端，可为2300万辆车辆提供服务。请继续阅读以了解该解决方案如何通过AWS和BMW进行协作，使用Amazon Bedrock Agents和Amazon CloudWatch日志和指标来更快地找到根本原因。这篇文章旨在用于云解决方案架构师和有兴趣加速其事件工作流程的开发人员。
Accelerate AWS Well-Architected reviews with Generative AI
在这篇文章中，我们探索了一种生成的AI解决方案，利用Amazon Bedrock简化WAFR过程。我们演示了如何利用LLM的力量构建智能，可扩展的系统，该系统可以分析体系结构文档并根据AWS良好的最佳实践产生洞察力的建议。该解决方案可自动化WAFR报告创建的一部分，帮助解决方案建筑师在支持其决策过程的同时提高建筑评估的效率和彻底性。
Dynamic metadata filtering for Amazon Bedrock Knowledge Bases with LangChain
Amazon Bedrock知识库具有元数据过滤能力，可让您根据文档的特定属性来完善搜索结果，从而提高检索准确性和响应的相关性。这些元数据过滤器可与典型的语义（或混合）相似性搜索结合使用。在这篇文章中，我们讨论了使用亚马逊基岩知识库的元数据过滤器。
