How FP8 boosts LLM training by 18% on Amazon SageMaker P5 instances
近年来，LLM 培训取得了显著的进步，组织在模型大小、性能和效率方面不断突破极限。在本文中，我们将探讨 FP8 优化如何显著加快 Amazon SageMaker P5 实例上的大型模型训练。
Racing into the future: How AWS DeepRacer fueled my AI and ML journey
2018 年，我坐在 AWS re:Invent 的观众席上，听 Andy Jassy 宣布推出 AWS DeepRacer——一款由强化学习驱动的全自动 1/18 比例赛车。当时，我对人工智能或机器学习 (ML) 知之甚少。作为一名从传统网络过渡到云技术的工程师，我从未将自己视为开发人员。[…]
Customize small language models on AWS with automotive terminology
在本文中，我们将指导您完成在 AWS 上自定义 SLM 的各个阶段，特别关注汽车术语作为问答任务的诊断。我们从数据分析阶段开始，然后逐步完成端到端流程，涵盖微调、部署和评估。我们将定制的 SLM 与通用 LLM 进行比较，使用各种指标来评估词汇丰富度和整体准确性。
在本文中，我们演示了如何使用 Amazon Bedrock 及其功能（包括 Amazon Bedrock Agents、Amazon Bedrock Knowledge Bases 和 Amazon Bedrock Guardrails）创建自动电子邮件响应解决方案。
Automate building guardrails for Amazon Bedrock using test-driven development
Amazon Bedrock Guardrails 可帮助根据特定用例和负责任的 AI 政策为生成式 AI 应用程序实施保护措施。Amazon Bedrock Guardrails 通过检测和过滤不良和潜在有害内容，帮助控制用户与基础模型 (FM) 之间的交互，同时保持安全性和隐私性。在本文中，我们将探索一种使用测试驱动开发方法自动构建护栏的解决方案。
今天，我们很高兴地宣布 Amazon Bedrock 知识库和 Amazon OpenSearch Serverless 中推出了 Amazon Titan 文本嵌入 V2 的二进制嵌入。这篇文章总结了这种新的二进制向量支持的好处，并为您提供了入门信息。
Automate cloud security vulnerability assessment and alerting using Amazon Bedrock
本博文演示了使用 Amazon GuardDuty、Amazon Bedrock 和其他 AWS 无服务器技术对您的账户和工作负载进行安全漏洞评估的主动方法。此方法旨在主动识别潜在漏洞并及时向您的用户提供警报和建议，避免被动升级和其他损害。
DXC transforms data exploration for their oil and gas customers with LLM-powered tools
在本博文中，我们向您展示了 DXC 和 AWS 如何合作使用大型语言模型 (LLM) 构建 AI 助手，使用户能够访问和分析来自各种数据源的不同数据类型。AI 助手由智能代理提供支持，该代理将用户问题路由到针对不同数据类型（例如文本、表格和特定于域的格式）优化的专用工具。它利用 LLM 理解自然语言、编写代码和推理对话上下文的能力。
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。
