How Salesforce achieves high-performance model deployment with Amazon SageMaker AI
这篇文章是Salesforce和AWS之间的共同合作，并且在Salesforce Engineering Blog和AWS机器学习博客上都在交叉发布。 Salesforce AI模型服务团队正在努力突破自然语言处理的界限和企业应用程序的AI功能。他们的关键重点领域包括优化大型[…]
Automate Amazon EKS troubleshooting using an Amazon Bedrock agentic workflow
在这篇文章中，我们演示了如何编排多个亚马逊基岩代理商来创建复杂的亚马逊EKS故障排除系统。通过启用专业代理商之间的合作（来自K8SGPT的见解并通过ARGOCD框架执行行动），您可以建立一个全面的自动化，以最少的人为干预来识别，分析和解决集群问题。
Host concurrent LLMs with LoRAX
在这篇文章中，我们探讨了如何使用低排名适应性（LORA）有效地解决这些挑战。具体而言，我们讨论了使用Lora交换（Lorax）（Lorax）和Amazon Elastic Compute Cloud（Amazon EC2）GPU实例的讨论，允许组织有效地管理和服务不断增长的精细模型，优化成本，优化成本，并为客户提供无缝绩效。
Clario enhances the quality of the clinical trial documentation process with Amazon Bedrock
Clario和AWS之间的合作证明了AWS AI和机器学习（AI/ML）服务的潜力和生成的AI模型，例如Anthropic的Claude，以简化生命科学行业的文档生成过程，具体来说，特别是对于复杂的临床试验过程。
Optimizing Mixtral 8x7B on Amazon SageMaker with AWS Inferentia2
这篇文章演示了如何在AWS推理的实例上部署和服务Mixtral 8x7b语言模型，以进行具有成本效益，高性能推断。我们将使用拥抱面孔的最佳神经元进行模型汇编，该神经元提供了一组工具，可直接加载，训练和推理以及文本生成推理（TGI）容器，该容器具有用于部署和服务LLMS与HOUGGingFace的工具套件。
Build multi-agent systems with LangGraph and Amazon Bedrock
这篇文章演示了如何将开源多代理框架Langgraph与Amazon Bedrock集成。它解释了如何使用Langgraph和Amazon Bedrock来构建使用基于图的编排的功能强大的交互式多代理应用程序。
Dynamic text-to-SQL for enterprise workloads with Amazon Bedrock Agents
这篇文章演示了企业如何使用Amazon Bedrock代理实现可扩展的代理To To To-SQL解决方案，并具有高级错误处理工具和自动架构发现以提高数据库查询效率。
Building an AIOps chatbot with Amazon Q Business custom plugins
在这篇文章中，我们演示了如何为Amazon Q业务使用自定义插件来构建可以使用自然语言提示与多个API交互的聊天机器人。我们展示了如何构建AIOPS聊天机器人，该聊天机器人使用户可以通过自然语言查询和命令与其AWS基础架构进行交互。聊天机器人能够处理诸如查询有关亚马逊弹性计算云（Amazon EC2）端口的数据和Amazon Simple Storage Service（Amazon S3）的数据库访问设置。
How TransPerfect Improved Translation Quality and Efficiency Using Amazon Bedrock
这篇文章描述了AWS客户渠道技术 - 本地化团队如何与TransPerfect合作，将亚马逊床架集成到Globallink Translation Management Systems，这是一种基于云的解决方案，旨在帮助组织管理其多语言内容和翻译工作流。组织使用TransFect的解决方案来快速使用AI以多种语言来迅速创建和部署内容。
Racing beyond DeepRacer: Debut of the AWS LLM League
AWS LLM LOAGEWAS旨在通过提供一种体验来降低生成AI模型定制的进入障碍，而参与者无论其先前的数据科学经验如何，都可以从事微调LLMS。使用Amazon Sagemaker Jumpstart，引导与会者通过自定义LLMS来解决适应其领域的实际业务挑战的过程。
Reduce ML training costs with Amazon SageMaker HyperPod
在这篇文章中，我们探讨了大规模边界模型培训的挑战，重点是硬件故障以及亚马逊萨吉式制造商HyperPod的好处 - 一种解决方案，可最大程度地减少干扰，提高效率并降低培训成本。
Model customization, RAG, or both: A case study with Amazon Nova
引入Amazon Nova模型代表了AI领域的重大进步，为大语言模型（LLM）优化提供了新的机会。在这篇文章中，我们演示了如何有效地执行模型自定义和用亚马逊NOVA模型作为基线。我们使用最新的Amazon Nova模型进行了模型定制和抹布之间的全面比较研究，并共享这些有价值的见解。
Generate user-personalized communication with Amazon Personalize and Amazon Bedrock
在这篇文章中，我们演示了如何使用Amazon个性化和亚马逊基石来使用视频启用用例为个体用户生成个性化的外展电子邮件。该概念可以应用于其他领域，例如吸引电子商务和数字营销用例的客户体验。
Automating regulatory compliance: A multi-agent solution using Amazon Bedrock and CrewAI
在这篇文章中，我们探讨了AI代理如何使用亚马逊基岩和Crewai简化合规性并满足金融机构的监管要求。我们演示了如何构建一个可以自动汇总新法规，评估其对操作的影响并提供规范性技术指导的多代理系统。您将学习如何使用Crewai使用Amazon Bedrock知识库和Amazon Bedrock代理商来创建全面的自动合规解决方案。
Implement human-in-the-loop confirmation with Amazon Bedrock Agents
在这篇文章中，我们专门致力于使最终用户批准操作并使用内置的亚马逊基石代理功能，特别是用于提供安全有效的代理操作的HITL模式。我们使用人力资源（HR）代理示例探索可用的模式，该示例可帮助员工要求休息时间。
Boost team productivity with Amazon Q Business Insights
在这篇文章中，我们探讨了Amazon Q Business Insights功能及其对组织的重要性。我们首先概述可用指标，以及如何用于衡量用户参与度和系统效率。然后，我们提供访问和导航此仪表板的说明。
Multi-LLM routing strategies for generative AI applications on AWS
在构建生成AI应用程序时，组织越来越多地使用多种大型语言模型（LLM）。尽管单独的LLM可以具有很高的能力，但它可能无法最佳地解决广泛的用例或满足各种性能要求。多LLM方法使组织能够有效地为每个任务选择正确的模型，并适应不同的[…]
在这篇文章中，我们展示了IFOOD如何使用萨格马制造商彻底改变其ML操作。通过利用SageMaker的力量，IFOOD简化了整个ML生命周期，从模型培训到部署。这种集成不仅简化了复杂的过程，还可以自动化关键任务。
