Generate AWS Resilience Hub findings in natural language using Amazon Bedrock
本博文讨论了一种结合 AWS Resilience Hub 和 Amazon Bedrock 以自然语言生成架构结果的解决方案。通过使用弹性枢纽和亚马逊基岩的功能，您可以与公司内部的C套件高管，工程师，经理和其他角色分享发现，以提供更好的可见性，而不是维护弹性架构
How InsuranceDekho transformed insurance agent interactions using Amazon Bedrock and generative AI
在这篇文章中，我们将解释 InsuranceDekho 如何利用 Amazon Bedrock 和 Anthropic 的 Claude 利用生成式 AI 的力量来响应客户对保单承保范围、除外责任等的查询。这让我们的客户服务代理和 POSP 能够自信地帮助我们的客户了解保单，而无需在提供销售和售后服务的同时联系保险主题专家 (SME) 或记住复杂的计划。使用此解决方案可以改善销售、交叉销售和整体客户服务体验。
Considerations for addressing the core dimensions of responsible AI for Amazon Bedrock applications
在本博文中，我们介绍了负责任 AI 的核心维度，并探讨了如何针对 Amazon Bedrock 应用程序解决这些维度的考虑因素和策略。
From RAG to fabric: Lessons learned from building real-world RAGs at GenAIIC – Part 2
本博文重点介绍如何在异构数据格式上执行 RAG。我们首先介绍路由器，以及它们如何帮助管理不同的数据源。然后，我们给出如何处理表格数据的提示，最后介绍多模式 RAG，特别关注处理文本和图像数据的解决方案。
Cohere Embed multimodal embeddings model is now available on Amazon SageMaker JumpStart
Cohere Embed 多模式嵌入模型现已在 Amazon SageMaker JumpStart 上正式推出。该模型是最新的 Cohere Embed 3 模型，它现在是多模式的，能够从文本和图像生成嵌入，使企业能够从以图像形式存在的大量数据中释放真正的价值。在本文中，我们将通过一些示例讨论这种新模型的优势和功能。
在本文中，我们讨论了 GoDaddy 的 Care & Services 团队如何与 AWS GenAI Labs 团队密切合作，构建了 Lighthouse——一种由 Amazon Bedrock 提供支持的生成式 AI 解决方案。Amazon Bedrock 是一项完全托管的服务，它通过 API 提供来自领先 AI 初创公司和 Amazon 的基础模型 (FM)，因此您可以从各种 FM 中进行选择，以找到最适合您用例的模型。借助 Amazon Bedrock，GoDaddy 的 Lighthouse 使用精心设计的提示从客户关怀互动中挖掘见解，以确定最重要的呼叫驱动因素并减少客户产品和网站
在本文中，我们探讨了 Principal 如何使用 QnABot 与 Amazon Q Business 和 Amazon Bedrock 配对来创建 Principal AI 生成式体验：一种用户友好、安全的内部聊天机器人，可更快地访问信息。使用生成式 AI，Principal 的员工现在可以专注于更深入的基于人类判断的决策，而不是花时间手动从数据源中搜索答案。
云成本会严重影响您的业务运营。实时了解基础设施费用、使用模式和成本驱动因素至关重要。要将成本分配给云资源，标记策略必不可少。本文概述了您可以采取的步骤，使用提供可见性和控制的 AWS 工具和服务跨账户实施全面的标记治理策略。通过设置自动策略实施和检查，您可以在整个机器学习 (ML) 环境中实现成本优化。
Revolutionize trip planning with Amazon Bedrock and Amazon Location Service
在本文中，我们将向您展示如何构建一个由 AI 驱动的生成式旅行规划服务，彻底改变旅行者发现和探索目的地的方式。通过使用先进的 AI 技术和 Amazon Location Service，旅行规划器可让用户将灵感转化为个性化的旅行行程。这项创新服务超越了传统的旅行规划方法，通过基于聊天的界面提供实时交互，并通过 AWS 原生服务保持可扩展性、可靠性和数据安全性。
Understanding prompt engineering: Unlock the creative potential of Stability AI models on AWS
Stability AI 在 Amazon SageMaker JumpStart 上最新推出的 Stable Diffusion 3.5 Large (SD3.5L) 通过生成更多样化的输出并紧密遵循用户提示来增强图像生成、人体解剖渲染和排版，使其成为对其前身的重大升级。在这篇文章中，我们将探索可以增强这些模型性能的高级提示工程技术，并通过文本到图像的转换促进引人注目的图像的创建。
Introducing Stable Diffusion 3.5 Large in Amazon SageMaker JumpStart
我们很高兴地宣布，Stability AI 最新、最先进的文本转图像模型 Stable Diffusion 3.5 Large 现已在 Amazon SageMaker JumpStart 中推出。在这篇文章中，我们提供了在 SageMaker JumpStart 中订阅 Stable Diffusion 3.5 Large、在 Amazon SageMaker Studio 中部署模型以及使用文本转图像提示生成图像的实施指南。
Improve governance of models with Amazon SageMaker unified Model Cards and Model Registry
现在，您可以使用 Amazon SageMaker 模型卡在 Amazon SageMaker 模型注册表中注册机器学习 (ML) 模型，只需单击几下即可直接在 SageMaker 模型注册表中管理特定模型版本的治理信息。在本文中，我们讨论了一项支持将模型卡与模型注册表集成的新功能。我们讨论了使用注册模型版本管理模型卡的解决方案架构和最佳实践，并逐步介绍如何使用模型注册表中的集成来设置、操作和管理您的模型。
Accelerate your financial statement analysis with Amazon Bedrock and generative AI
在本文中，我们将演示如何部署生成式 AI 应用程序，以加速您在 AWS 上的财务报表分析。
在本文中，您将学习如何使用 Amazon Rekognition 从图像查询中提取关键对象，并使用 Amazon Bedrock 的 Amazon Titan Multimodal Embeddings 结合 Amazon OpenSearch Serverless Service 构建反向图像搜索引擎。
Generative AI for agriculture: How Agmatix is improving agriculture with Amazon Bedrock
这篇文章介绍了 Agmatix（一家为投入品公司和数字农艺解决方案提供研发支持的农业科技先驱公司）如何使用 Amazon Bedrock 和 AWS 全功能服务来增强全球农业高产种子和可持续分子的研究过程和开发。
Generate financial industry-specific insights using generative AI and in-context fine-tuning
在这篇博文中，我们演示了使用行业特定语言生成表格数据的准确且相关的分析的提示工程技术。这是通过在提示中提供具有特征和标签的上下文样本数据中的大型语言模型 (LLM) 来实现的。结果类似于微调 LLM，但没有微调模型的复杂性。
Discover insights with the Amazon Q Business Microsoft Teams connector
Microsoft Teams 是一种企业协作工具，可让您构建统一的工作区，用于实时协作和通信、会议以及文件和应用程序共享。您可以在 Microsoft Teams 中交换和存储有价值的组织知识。Microsoft Teams 数据通常分散在不同的团队、渠道和聊天中，因此很难获得 [...]
How Zalando optimized large-scale inference and streamlined ML operations on Amazon SageMaker
这篇文章由 Zalando 的 Mones Raslan、Ravi Sharma 和 Adele Gouttes 共同撰写。Zalando SE 是欧洲最大的电子商务时尚零售商之一，拥有约 5000 万活跃客户。Zalando 面临着定期（每周或每天）为 100 多万种产品打折的挑战，也称为降价定价。降价定价是 […]
