ET Graphics: India, New Zealand inch closer to Free Trade Agreement after 10-year hiatus
印度和新西兰可能于本周完成自由贸易协定谈判，该谈判在中断十年后于今年 3 月重新启动。 ET 的 Kirtika Suneja 追踪了拟议协议的时间表和框架。
HydroGraph awarded new US patent for ‘fractal graphene’-based actuator technology
超纯石墨烯生产商 HydroGraph Clean Power 已获得一项新型致动器技术的美国专利，该技术使用导电多孔碳材料（包括 HydroGraph 专有的“分形石墨烯”）来产生受控机械力。这标志着 HydroGraph 实验室开发的发明获得了第一项美国专利，这是公司战略的一部分 [...]
Modernize fraud prevention: GraphStorm v0.5 for real-time inference
在这篇文章中，我们演示了如何使用 GraphStorm v0.5 通过 Amazon SageMaker 部署图神经网络 (GNN) 模型的新功能来实现实时欺诈预防。我们展示了如何以最小的运营开销从模型训练过渡到生产就绪的推理端点，从而在具有数十亿节点和边的事务图上实现亚秒级欺诈检测。
ET Graphics: India, EU to hold 13th round of FTA talks in Delhi; pact likely by year-end
欧洲贸易和经济安全局长马洛什斯夫科维奇（Maroššefcovic）也有望在本周晚些时候访问印度，因为双方都试图在年底之前完成贸易协定。
特朗普总统宣布对印度商品征收25％的关税，并对俄罗斯武器和能源采购征收罚款。由于在农业和奶业领域的分歧，该行动是在停滞不前的贸易谈判之后进行的。新的关税威胁着印度在2030年到美国双边贸易的雄心，影响了印度最大的出口市场。
Combat financial fraud with GraphRAG on Amazon Bedrock Knowledge Bases
在这篇文章中，我们展示了如何使用Amazon Neptune Analytics使用Amazon Bedrock知识库来构建财务欺诈检测解决方案。
Build GraphRAG applications using Amazon Bedrock Knowledge Bases
在这篇文章中，我们探讨了如何在亚马逊基岩知识库中使用基于图的检索型生成（GraphRag）来构建智能应用程序。与传统矢量搜索（根据相似性分数检索文档）不同，知识图编码实体之间的关系，允许大型语言模型（LLMS）通过上下文感知的推理检索信息。
ET Graphic: How the India-UK FTA turned the tariff tide
印度与英国的贸易协定对各种产品大大削减了关税。该协议有效后，有64％的关税线将有资格立即进入印度的免税进口。
ET Graphics | Tariff Impact: Will it be a 43% price rise for US iPhones?
苹果可能会因唐纳德·特朗普（Donald Trump）对中国，越南，印度和其他亚洲国家的产品关税而产生的关税约为395亿美元。为了缓解直接效果，苹果已经在美国库存了库存，可能需要提高价格，从而可能影响消费者的需求。
How Graph Neural Networks Improved Recommendations on Zalando: An Interview with Mariia Bulycheva
您如何开发一种新的机器学习方法并在欧洲最大的购物平台中成功实施它？ Zalando的机器学习工程师Mariia Bulycheva分享了图形神经网络（GNNS）如何帮助构建用户和内容数据，增强个性化建议并增加用户参与度。这种方法显着改善了点击预测，并启用了更多鼓舞人心的[…]
WhatsApp fixed zero-day flaw used to deploy Paragon Graphite spyware
WhatsApp修复了一个零单击的零日漏洞，用于在目标人的设备上安装Paragon的石墨间谍软件。 WhatsApp解决了一个零单击的零日漏洞，该漏洞利用将Paragon的石墨间谍软件安装在目标人的设备上。在公民报告[…]
Graphyne's transformation: A new carbon form with potential for electronics
graphyne是一种与钻石和石墨不同的碳的结晶形式。与钻石不同，每个原子都有四个直接的邻居或石墨，每个原子都有三个，绘图的结构结合了两个坐标和三坐标碳。
Faster distributed graph neural network training with GraphStorm v0.4
GraphStorm 是一个低代码企业图形机器学习 (ML) 框架，为 ML 从业者提供了一种在行业规模图形数据上构建、训练和部署图形 ML 解决方案的简单方法。在这篇文章中，我们展示了 GraphBolt 如何在分布式设置中增强 GraphStorm 的性能。我们提供了一个在 SageMaker 上使用 GraphStorm 和 GraphBolt 进行分布式训练的实际示例。最后，我们分享了如何将 Amazon SageMaker Pipelines 与 GraphStorm 结合使用。
Mitigating risk: AWS backbone network traffic prediction using GraphStorm
在本文中，我们展示了如何使用我们的企业图形机器学习 (GML) 框架 GraphStorm 来解决大规模复杂网络上的预测挑战，这些挑战受到我们探索 GML 以减轻 AWS 主干网络拥塞风险的实践的启发。
Improving Retrieval Augmented Generation accuracy with GraphRAG
AWS 合作伙伴 Lettria 证明，与仅使用向量的检索方法相比，将基于图形的结构集成到 RAG 工作流中可将答案准确率提高高达 35%。在这篇文章中，我们探讨了为什么 GraphRAG 比单独的向量 RAG 更全面、更易于解释，以及如何使用 AWS 服务和 Lettria 使用此方法。
When Graph AI Meets Generative AI: A New Era in Scientific Discovery
近年来，人工智能 (AI) 已成为科学发现的关键工具，为研究开辟了新的途径并加快了创新的步伐。在各种人工智能技术中，图形人工智能和生成式人工智能特别有用，因为它们有可能改变科学家处理复杂问题的方式。单独来看，每一项技术[…]文章《当图形人工智能遇到生成式人工智能：科学发现的新时代》首次出现在 Unite.AI 上。
Unbundling the Graph in GraphRAG
生成式 AI 实践中经常遇到的一个术语是检索增强生成 (RAG)。使用 RAG 的原因很明显：大型语言模型 (LLM) 实际上是语法引擎，它们倾向于通过从训练数据中编造答案来“产生幻觉”。这些随机的结果可能很有趣，尽管并非完全基于事实。RAG 提供了一种方法 [...]
