When should we privatize government industries?
泰勒·考恩是乔治华盛顿大学的经济学家，也是一名自由主义者。因此，你会认为他对这个问题的回答是“永远”。在最近一篇讨论是否将政府资产（例如 USPS）私有化的彭博文章中，他提出了一个更微妙的论点。首先，对于消费品来说，私有化几乎总是好的。考恩……
London Stock Exchange Group uses Amazon Q Business to enhance post-trade client services
在这篇博文中，我们探讨了伦敦证券交易所集团 (LSEG) 使用 Amazon Q Business 开发的客户服务代理助理应用程序。我们将讨论 Amazon Q Business 如何在生成答案方面节省时间，包括总结文档、检索复杂会员查询的答案以及组合来自不同数据源的信息（同时为每个答案使用的数据源提供文内引用）。
Multi-dimensional Digital Identity
这是我在 Allysia Doratti 的这篇博文上分享的评论和反思，Allysia Doratti 是 Dean Shareski 2024 年秋季 EC&I 832 研究生之一：Mirror, Mirror, On My Feed：探索数字世界中的身份。嗨，Allysia- 非常感谢这篇深思熟虑的帖子，尤其是对数字身份和 [...] 的反思
Human-AI collaboration in physical tasks
TL;DR：在 SmashLab，我们正在创建一个智能助手，它使用智能手表中的传感器来支持烹饪和 DIY 等物理任务。这篇博文探讨了我们如何使用与摄像头相比侵入性更低的场景理解来实现有用的、情境感知的交互，以便在日常生活中执行任务。想过让 AI 助手执行数字世界以外的任务吗？每天，我们都会执行许多任务，包括烹饪、手工制作和医疗自我护理（例如 COVID-19 自检试剂盒），这些任务涉及一系列离散步骤。准确执行所有步骤可能很困难；例如，当我们尝试一种新食谱时，我们可能会在任何步骤产生疑问，并且可能会因为跳过重要步骤或按错误顺序执行而犯错。这个项目，即传感模块的程序交互 (PrISM)，旨在通过基
PEFT fine tuning of Llama 3 on SageMaker HyperPod with AWS Trainium
在这篇博文中，我们展示了如何使用 AWS Trainium 上的 PEFT 和 SageMaker HyperPod 对 Meta Llama 3 模型进行高效的监督微调。我们使用 HuggingFace 的 Optimum-Neuron 软件开发工具包 (SDK) 将 LoRA 应用于微调作业，并使用 SageMaker HyperPod 作为主要计算集群在 Trainium 上执行分布式训练。使用 LoRA 监督微调 Meta Llama 3 模型，您可以进一步将微调模型的成本降低高达 50%，并将训练时间缩短 70%。
Using transcription confidence scores to improve slot filling in Amazon Lex
在使用 Amazon Lex 构建支持语音的聊天机器人时，最大的挑战之一是准确捕获用户语音输入以获取槽值。转录置信度分数可以帮助确保可靠的槽填充。这篇博文概述了渐进式确认、自适应重新提示和分支逻辑等策略，以创造更强大的槽填充体验。
An introduction to preparing your own dataset for LLM training
在这篇博文中，我们介绍了如何为 LLM 训练准备自己的数据集。无论您的目标是针对特定任务微调预训练模型，还是继续针对特定领域的应用程序进行预训练，拥有精心策划的数据集对于实现最佳性能都至关重要。
21 Dope Steps To Use ChatGPT For Blogging In 2024
如果您曾经想过如何使用 ChatGPT 为您的博客撰写文章，那么这篇博文适合您。好消息是，您可以使用 ChatGPT 进行关键字研究、页面 SEO 以及创建完整的 1000 字博客文章。只需在提供的提示中输入您想要的内容 […] 文章 2024 年使用 ChatGPT 进行博客的 21 个 Dope 步骤首先出现在 FlashLearners 上。
How do the A340-600, 747-400, and 777-200 passenger fleets compare?
大家好，在这篇博文中，我们将介绍未来几年将退役的老一代飞机的在役机队：A340-600、747-400 和 777-200（非 ER 或 LR）。根据 planespotters.net 的数据，这三个机队的在役客机数量相似：18 架 A340-600、20 架 747-400 和 22 架 777-200。一家蓝筹 A340-600 运营商 […]
AWS DeepRacer: How to master physical racing?
在这篇博文中，我将介绍物理 AWS DeepRacer 赛车（真实赛道上的真实汽车）与虚拟世界中的赛车（模拟 3D 环境中的模型）的不同之处。我将介绍基础知识、虚拟与物理之间的差异，以及我为深入了解挑战所采取的步骤。
在本博文中，SophosAI 分享了使用 Amazon Bedrock 和 Amazon SageMaker 使用和评估开箱即用的 LLM 来提高安全运营中心 (SOC) 生产力的见解。我们使用 Amazon Bedrock 上的 Anthropic 的 Claude 3 Sonnet 来说明用例。
Enhanced observability for AWS Trainium and AWS Inferentia with Datadog
本博文将引导您了解 Datadog 与 AWS Neuron 的新集成，它通过提供对资源利用率、模型执行性能、延迟和实时基础设施运行状况的深度可观察性来帮助您监控 AWS Trainium 和 AWS Inferentia 实例，使您能够优化机器学习 (ML) 工作负载并实现大规模高性能。
Chinese Carbon Emissions in 2023 vs. 2024
几天前，我发布了一篇关于 2023 年疫情后中国碳排放趋势的文章的更新。那篇博文将 2023 年全年的排放量与 2019 年全年的排放量进行了比较。但 2024 年发生了什么？到目前为止，我们有 9 个月的数据，可以与 2023 年前 9 个月进行比较。根据 Carbon Monitor 的数据，与 2023 年相比，2024 年的排放量下降了 0.6%。发电排放量增长了 1.6%，交通运输（0.7%）和住宅（0.8%）排放量的增幅较小，但工业排放量下降了 4%。这是否意味着中国的排放量正在达到峰值？到目前为止，2023 年至 2024 年间，电力产量增长了 6.3%。这一增长是由火电、水电和
Orchestrate generative AI workflows with Amazon Bedrock and AWS Step Functions
本博文讨论了如何使用 AWS Step Functions 高效协调多步骤生成式 AI 工作流，例如并行化对 Amazon Bedrock 的 API 调用以快速收集已提交问题列表的答案。我们还介绍了使用检索增强生成 (RAG) 来优化输出并提供额外的精度，以及通过 Step Functions 进行的其他可能的集成。
Build generative AI applications on Amazon Bedrock with the AWS SDK for Python (Boto3)
在本博文中，我们将演示如何使用 Amazon Bedrock 和 AWS SDK for Python (Boto3) 以编程方式整合 FM。我们将探讨如何调用特定 FM 并处理生成的文本，展示开发人员在应用程序中使用这些模型用于各种用例的潜力
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
