Build character consistent storyboards using Amazon Nova in Amazon Bedrock – Part 1
故事板的艺术是现代内容创作的基石，通过电影制作，动画，广告和UX设计编织了其重要作用。尽管传统上，创作者一直依靠手绘顺序插图来绘制其叙述，但当今的AI基础模型（FMS）正在改变这一景观。像亚马逊nova帆布和亚马逊nova卷轴这样的FMS提供[…]
Authenticate Amazon Q Business data accessors using a trusted token issuer
在这篇文章中，我们展示了如何实现Amazon Q数据配件的TTI身份验证。我们介绍了ISV和企业的设置过程，并演示了TTI身份验证如何在维护安全标准的同时简化用户体验。
Unlocking the future of professional services: How Proofpoint uses Amazon Q Business
证明点已通过集成了一个完全管理的，生成的AI助理助手来重新定义其专业服务，您可以配置以根据您的企业数据来回答问题，提供摘要，生成内容和完成任务。在这篇文章中，我们探讨了Amazon Q业务如何改变ProofPoint的专业服务，详细介绍其部署，功能和未来的路线图。
Enhancing LLM accuracy with Coveo Passage Retrieval on Amazon Bedrock
在这篇文章中，我们展示了如何将Coveo的通过API部署为Amazon Bedrock Adent Action Group，以提高响应精度，因此Coveo用户可以使用其当前的索引来快速在其组织中迅速部署新的生成体验。
Train and deploy models on Amazon SageMaker HyperPod using the new HyperPod CLI and SDK
在这篇文章中，我们演示了如何使用新的Amazon Sagemaker HyperPod CLI和SDK来简化通过使用完全碎片数据并行的分布式培训（FSDP）（FSDP）和模型部署进行推理的分布式培训训练和部署大型AI模型的过程。这些工具通过直接命令提供了简化的工作流程，以实现常见任务，同时通过SDK为更复杂的要求提供灵活的开发选项，以及全面的可观察性功能和准备生产的部署功能。
Natural language-based database analytics with Amazon Nova
在这篇文章中，我们探讨了自然语言数据库分析如何通过大型语言模型（LLM）代理的力量与组织互动的方式彻底改变组织的方式。长期以来，与数据库的自然语言接口一直是数据管理的目标。代理通过将复杂的查询分解为明确的，可验证的推理步骤，并通过验证循环启用自我纠正来增强数据库分析，这些循环可以捕获错误，分析故障和完善查询，直到它们准确地匹配用户意图和架构要求。
Deploy Amazon Bedrock Knowledge Bases using Terraform for RAG-based generative AI applications
在这篇文章中，我们演示了如何使用Terraform自动化Amazon知识库的部署。
Announcing the new cluster creation experience for Amazon SageMaker HyperPod
借助新的群集创建体验，您可以单击一键创建SageMaker HyperPod群集，包括所需的先决条件AWS资源，并自动使用规定默认值。在这篇文章中，我们探索了亚马逊萨吉式制造商Hyperpod的新集群创建体验。
Detect Amazon Bedrock misconfigurations with Datadog Cloud Security
我们很高兴地宣布Datadog Cloud Security的新安全功能，可以帮助您在成为安全事件之前检测和补救亚马逊基石错误配置。这种集成可以通过提供三个关键优势来帮助组织嵌入强大的安全控制，并确保其对强大的亚马逊Bedrock的功能：整体AI安全性，通过将AI安全性整合到您的更广泛的云安全策略中，通过确定潜在的AI相关安全性问题，以帮助他们在符合ai ai In II的合规性方面通过识别潜在的AI相关安全性，并帮助识别与Prections AI Inii ni ai ni ai ni ai ni ni ni ai ni ai vetections vetections vetections
Set up custom domain names for Amazon Bedrock AgentCore Runtime agents
在这篇文章中，我们向您展示了如何使用CloudFront作为反向代理为Amazon Bedrock Agent Crock Crock Crock Cruntime Agent Points创建自定义域名。该解决方案提供了几个关键的好处：开发团队的简化集成，与您的组织保持一致的自定义域，更清洁的基础架构抽象以及当端点需要更新时直接维护。
Introducing auto scaling on Amazon SageMaker HyperPod
在这篇文章中，我们宣布，亚马逊萨吉式超级平台现在支持karpenter的托管节点自动扩展，从而使SageMaker HyperPod簇的有效缩放能够满足推理和培训需求。我们深入研究Karpenter的好处，并提供有关在Sagemaker HyperPod EKS群集中启用和配置Karpenter的详细信息。
这篇文章描述了布宜诺斯艾利斯市政府建造的代理AI助理和Genaiic，以回应公民对政府程序的问题。该解决方案由两个主要组件组成：一个输入护栏系统，该系统有助于防止系统响应有害用户的查询和一个检索相关信息并生成响应的政府程序代理。
Empowering air quality research with secure, ML-driven predictive analytics
在这篇文章中，我们使用Amazon Sagemaker AI，AWS Lambda和AWS步骤功能提供了数据插补解决方案。该解决方案是为需要可靠的PM2.5数据进行趋势分析，报告和决策的可靠数据的环境分析师，公共卫生官员和商业智能专业人员设计的。我们从OpenAfrica采购了样本培训数据集。我们的解决方案使用预测时间序列预测PM2.5值。
亚马逊金融技术团队开发并管理了全面的技术解决方案，从而为财务决策和运营效率提供动力，同时在亚马逊的全球运营中进行标准化。在这篇文章中，我们通过使用亚马逊基岩和Amazon Kendra的智能搜索来利用生成AI的力量来概念化和实施这些业务挑战的解决方案。
Learn how Amazon Health Services improved discovery in Amazon search using AWS ML and gen AI
在这篇文章中，我们向您展示了亚马逊卫生服务（AHS）如何使用亚马逊Sagemaker，Amazon Bedrock和Amazon EMR等AWS服务在Amazon.com搜索上解决可发现性挑战。通过将机器学习（ML），自然语言处理和矢量搜索功能相结合，我们提高了将客户与相关的医疗保健服务联系起来的能力。
Accelerate intelligent document processing with generative AI on AWS
在这篇文章中，我们介绍了我们的开源Genai IDP加速器，这是一种经过测试的解决方案，我们用来帮助各个行业的客户解决他们的文档处理挑战。自动化文档处理工作流程准确地从文档中提取结构化信息，从而减少手动工作。我们将向您展示这种现成的解决方案如何在几天而不是几个月内使用AWS上的生成AI来帮助您构建这些工作流程。
Amazon SageMaker HyperPod enhances ML infrastructure with scalability and customizability
在这篇文章中，我们在SageMaker Hyperpod中介绍了三个功能，可提高ML基础架构的可扩展性和可定制性。连续供应提供灵活的资源供应，以帮助您更快地开始培训和部署模型，并更有效地管理群集。使用自定义AMIS，您可以将ML环境与组织安全标准和软件要求保持一致。
Accelerate enterprise AI implementations with Amazon Q Business
Amazon Q Business为AWS客户提供了一种可扩展且全面的解决方案，以增强组织整个组织的业务流程。通过仔细评估您的用例，实施最佳实践以及使用本文提供的架构指导，您可以部署Amazon Q业务来改变您的企业生产力。成功的关键在于启动小小的，快速证明价值，并在整个组织中系统地扩展。
