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。
Customize DeepSeek-R1 distilled models using Amazon SageMaker HyperPod recipes – Part 1
在这个两部分的系列中，我们讨论了如何通过使用deepSeek-R1模型及其蒸馏变量的预先构建的微调工作流（也称为“食谱”）来减少DeepSeek模型的自定义复杂性，并作为亚马逊SageMaker HyproPod食谱的一部分发布。 In this first post, we will build a solution architecture for fine-tuning DeepSeek-R1 distilled models and demonstrate the approach by providing a step-by-step example on customizing t
Reduce conversational AI response time through inference at the edge with AWS Local Zones
本指南展示了如何通过在三个位置上的亚马逊EC2实例上的face部署开源基础模型：商业AWS地区和两个AWS本地区域。通过比较基准测试，我们说明在接近最终用户的本地区域中部署基础模型如何显着减少延迟，这是实时应用程序（例如对话式AI助手助手）的关键因素。
Streamline work insights with the Amazon Q Business connector for Smartsheet
这篇文章解释了如何将SmartSheet与Amazon Q Business集成，以使用自然语言和生成的AI功能来增强见解。 AI增强企业级工作管理平台SmartSheet可帮助用户按大规模管理项目，程序和流程。
Level up your problem-solving and strategic thinking skills with Amazon Bedrock
在这篇文章中，我们展示了Anthropic的Claude 3.5十四行诗如何用于各种与业务相关的认知任务，例如解决问题，批判性思维和念头，以帮助增强人类思维并改善知识工作者之间的决策，以加快创新。
Optimizing AI implementation costs with Automat-it
在这篇来宾帖子中，我们解释了AWS合作伙伴如何帮助其客户实现超过十二倍的成本节省，同时将AI模型的性能保持在所需的性能阈值范围内。这是通过仔细调整体系结构，算法选择和基础架构管理来实现的。
The end of an era: the final AWS DeepRacer League Championship at re:Invent 2024
AWS Deepracer League是世界上第一个由机器学习（ML）提供支持的全球自主赛车联盟。在过去的六年中，来自全球150多个国家 /地区的56万多个建筑商的多元化社区参加了联盟，通过友好的自主赛车的乐趣来学习ML基础知识。经过8个月的指甲虚拟预选赛8个月后，决赛入围者在RE：在拉斯维加斯的Invent召开的决赛中，参加了一次最后的摊牌，以竞争高风险的奖品和荣耀，获胜者赢得了AWS AWS Deepracer Deepracer League Championship。
AWS DeepRacer: Closing time at AWS re:Invent 2024 –How did that physical racing go?
在AWS Deepracer中：如何掌握物理赛车？上一篇文章是开放式的 - 剩下最后一个冠军决赛，现在分享我所有的秘密还为时过早。现在，AWS RE：Invent已经结束了，现在该分享我的策略，我的准备方式以及最终的发展。
How Pattern PXM’s Content Brief is driving conversion on ecommerce marketplaces using AI
模式是电子商务加速的领导者，可以帮助品牌在市场上销售的复杂性，并通过专有技术和需求专业知识的结合来实现盈利的增长。在这篇文章中，我们分享了模式如何使用AWS服务来处理数万亿个数据点以提供可行的见解，从而优化了跨多个服务的产品清单。
在Byedance上，我们与Amazon Web Services（AWS）合作部署了多模式大语言模型（LLMS），以在世界各地的多个AWS地区使用AWS推理AWS来理解视频理解。通过使用复杂的ML算法，该平台每天有效地扫描数十亿个视频。在这篇文章中，我们讨论了多模式LLM的使用用于视频理解，解决方案体系结构以及性能优化的技术。
Accelerate IaC troubleshooting with Amazon Bedrock Agents
这篇文章演示了亚马逊基岩代理如何结合行动组和生成AI模型，简化和加速地Terraform错误的分辨率，同时保持符合环境安全和操作指南。
