详细内容或原文请订阅后点击阅览
从理论到交付：Atos 如何提高 400 名工程师的代理 AI 技能
当 Atos 着手提高 400 名工程师的代理人工智能技能时，实践学习是所缺少的要素。在三天的时间里，工程师们通过 AI League 活动在 AWS 上构建了多代理系统。这篇文章解释了源讯选择这种格式的原因、工程师构建和学习的内容以及其他企业应该考虑的内容。
来源:亚马逊云科技 _机器学习当 Atos 着手提升 400 名工程师从理论到交付代理 AI 的技能时，团队面临着一个熟悉的挑战：如何构建现实世界的能力，而不仅仅是理论知识。在线课程和课堂教学奠定了基础，但它们并不总能为团队提供有效应用人工智能解决业务问题所需的信心或实践经验。
通过 Atos 与 AWS 的合作，我们已经看到实践学习是有效 AI 支持中所缺少的要素。我们之前曾通过 AWS DeepRacer 提供强化学习方面的实用技能提升，并于 2025 年通过 AI League 提供模型微调方面的实用技能。
2026 年，Atos 与 AWS 合作，为 400 名工程师举办了一场代理 AI League 活动。在三天的时间里，工程师们从有限的实践经验转向构建具有寻路、护栏、内存和微调模型的多智能体系统。他们在实时排行榜上进行竞争，对表现和效率进行评分。
参与者的技能水平差异很大。其中一些是具有 AWS 现有经验的开发人员。其他人是第一次使用 AWS 或担任产品所有者和项目经理等技术含量较低的角色。
这篇文章解释了我们选择 AI League 形式的原因、工程师构建和学到了什么、涉及哪些 AWS 服务以及其他企业在举办类似活动时应考虑什么。
为什么选择 AWS AI 联盟？
与传统训练相比，AI League 形式具有以下几个优势：
时间投入和格式
AWS Lambda，