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。
在这篇文章中，我向您展示了如何结合Langchain的Langgraph，Amazon Sagemaker AI和MLFlow，以演示用于开发，评估和部署复杂的Generativeai代理的强大工作流程。该集成提供了所需的工具，可以深入了解Generativeai代理的性能，快速迭代并在整个开发过程中维护版本控制。
Fine-tune large language models with reinforcement learning from human or AI feedback
在这篇文章中，我们引入了一种最先进的方法来通过增强学习来微调LLM，审查了RLHF与RLAIF与DPO的利弊，并看到了如何与RLAIF进行LLM微调工作。我们还看到了如何使用拥抱面式变压器和TRL库对萨吉式制造商实施端到端的RLAIF管道，以及使用现成的毒性奖励模型在PPO期间与对齐响应，或直接提示LLM在PPO期间产生定量奖励反馈。
How Lumi streamlines loan approvals with Amazon SageMaker AI
Lumi是澳大利亚领先的金融科技贷方，以快速，灵活和透明的资金解决方案赋予小型企业能力。他们使用实时数据和机器学习（ML）提供定制的贷款，以促进可持续增长并解决获得资本的挑战。这篇文章探讨了Lumi如何使用Amazon Sagemaker AI来实现此目标，增强其交易处理和分类功能，并最终通过提供更快的贷款申请，更准确的信贷决策以及改善客户体验来发展其业务。
Shaping the future: OMRON’s data-driven journey with AWS
Omron Corporation是工业自动化，医疗保健和电子组件领域的领先技术提供商。在塑造未来2030年（SF2030）战略计划的过程中，Omron旨在解决各种社会问题，推动可持续的业务增长，改变业务模式和能力，并加速数字化转型。这种转型的核心是Omron Data＆Analytics平台（ODAP），这是一项旨在彻底改变公司如何利用其数据资产的创新计划。这篇文章探讨了Omron Europe如何使用Amazon Web Services（AWS）来构建其先进的ODAP及其在利用生成AI的力量方面的进步。
AI Workforce: using AI and Drones to simplify infrastructure inspections
检查风力涡轮机，电源线，5G塔和管道是一项艰巨的工作。这通常很危险，耗时，容易出现人为错误。这篇文章是探索AI劳动力的三部分系列中的第一篇文章，即AWS AI驱动的无人机检查系统。在这篇文章中，我们介绍了概念和关键好处。第二篇文章深入介绍了为AI劳动力提供动力的AWS体系结构，第三篇重点是无人机设置和集成。
Ray jobs on Amazon SageMaker HyperPod: scalable and resilient distributed AI
Ray是一个开源框架，使创建，部署和优化分布式Python作业变得直接。在这篇文章中，我们演示了在Sagemaker Hyperpod上运行射线作业的步骤。
Introducing AWS MCP Servers for code assistants (Part 1)
我们很高兴地宣布代码助理的AWS MCP服务器的开源发布 - 一套专门的模型上下文协议（MCP）服务器，将Amazon Web Services（AWS）最佳实践直接带入您的开发工作流程。这篇文章是涵盖AWS MCP服务器的系列中的第一篇。在这篇文章中，我们介绍了这些专业的MCP服务器如何大大减少您的开发时间，同时将安全控制，成本优化以及AWS良好的最佳实践纳入您的代码中。
Harness the power of MCP servers with Amazon Bedrock Agents
今天，MCP正在为代理提供标准访问，以访问扩展的可访问工具列表，您可以使用这些列表来完成各种任务。在这篇文章中，我们向您展示了如何构建一个使用MCP访问数据源以快速构建生成AI应用程序的亚马逊基石代理。
Generate compliant content with Amazon Bedrock and ConstitutionalChain
在这篇文章中，我们探讨了使用宪法AI的实用策略，以有效而有效地使用Amazon Bedrock和Langgraph生产合规性内容，以在金融和医疗保健等高度受监管的行业中建立宪法链接
Build agentic systems with CrewAI and Amazon Bedrock
在这篇文章中，我们探讨了Crewai的开源代理框架如何与Amazon Bedrock结合使用，可以创建复杂的多代理系统，从而可以改变企业的运作方式。通过实际的示例和实施细节，我们演示了如何构建，部署和编排可以通过最少的人类监督来处理复杂任务的AI代理。
Amazon Bedrock Guardrails宣布图像内容过滤器的一般可用性，使您能够在生成AI应用程序中调节图像和文本内容。在这篇文章中，我们讨论了如何从Amazon Bedrock Guardrails中使用图像内容过滤器开始。
Integrating custom dependencies in Amazon SageMaker Canvas workflows
在亚马逊sagemaker画布中实施机器学习工作流程时，组织可能需要考虑其特定用例所需的外部依赖项。尽管Sagemaker画布为快速实验提供了强大的无代码和低编码功能，但某些项目可能需要默认情况下默认情况下的专门依赖项和库。这篇文章提供了一个示例，说明了如何将依赖外部依赖关系的代码合并到您的SageMaker画布工作流程中。
Enable Amazon Bedrock cross-Region inference in multi-account environments
在这篇文章中，我们探讨了如何修改您的区域访问控件，以专门允许亚马逊基岩跨区域推理，同时维持其他AWS服务的更广泛的区域限制。我们为SCP修改和AWS控制塔实现提供了实践示例。
Amazon SageMaker JumpStart adds fine-tuning support for models in a private model hub
今天，我们宣布了一项增强的私人枢纽功能，并具有几种新功能，可为组织提供更大的控制权。这些增强功能包括直接在私人枢纽内微调SageMaker JumpStart模型的能力，支持和管理定制训练的模型，为关联笔记本电脑的深层链接功能以及改进的模型版本管理。
生成的AI已成为改变游戏规则的人，为游戏设计师提供了前所未有的机会，可以突破界限并创造沉浸式虚拟世界。这场革命的最前沿是稳定性AI的尖端文本对图模型，即稳定的扩散3.5大型（SD3.5大），这正在改变我们接近游戏环境创建的方式。在这篇文章中，我们探讨了如何使用大型SD3.5来满足实际游戏需求，例如早期的概念艺术和角色设计。
Amazon Bedrock launches Session Management APIs for generative AI applications (Preview)
Amazon Bedrock宣布了会话管理API的预览发布，这是一种新功能，使开发人员能够为使用Langgraph和LlamainDex等流行的开源框架构建的生成AI应用程序简化状态和上下文管理。会话管理API提供了一个开箱即用的解决方案，使开发人员能够在[…]
