How Jumio built a real-time feature store on AWS
了解 Jumio 如何使用 Amazon SageMaker Feature Store、Amazon Managed Service for Apache Flink 和 Amazon Kinesis Data Streams 在 AWS 上构建集中式实时特征存储。该架构提供了 100 毫秒以下的欺诈检测功能，每年可节省约 120,000 美元。
NVIDIA Nemotron 3.5 Lightning now available in Amazon SageMaker JumpStart
NVIDIA Nemotron 3.5 Lightning 是一种专为大容量代理工作负载而构建的开放模型，现已在 Amazon SageMaker JumpStart 中提供。本文介绍了如何部署 30B 专家混合模型（3B 主动），该模型可为始终在线的代理提供高达 4 倍的吞吐量和高达 30% 的任务完成速度。
Building agentic workflows with SageMaker AI and Bedrock AgentCore
了解如何将 Amazon SageMaker AI 上与 OpenAI 兼容的终端节点与 Amazon Bedrock AgentCore 运行时相结合，以构建多代理工作流程，其中每个专业代理都使用最适合其工作的模型。这篇文章还展示了如何从 Strands Agent 默认情况下不检测的 SageMaker 端点获取令牌级别的可观测性。
Run interactive IDEs on Amazon EKS with SageMaker AI to power up your AI workflows
Amazon EKS 的 Amazon SageMaker AI Spaces 插件在您的 ML 团队已运营的集群上运行托管 JupyterLab 和代码编辑器环境。本文介绍如何安装和配置该插件、从浏览器和通过 SSH-over-SSM 的 VS Code 进行连接，以及如何将您的团队转移到使用 Amazon Cognito 进行 OpenID Connect 登录。
How OneAdvanced deployed over 50 AI agents on UK-sovereign AWS
了解英国企业软件提供商 OneAdvanced 如何通过在 Amazon SageMaker AI 上自托管 Llama 4 Maverick 和 Llama Guard 4、在 pgvector 上使用 RAG 管道以及在 Amazon ECS 上使用 Strands Agents SDK 构建的 50 多个代理来构建英国主权 AI 平台。
Tiered KV cache for large LLMs on Amazon SageMaker HyperPod with Curvine
大规模运行大型语言模型推理会迫使 KV 缓存进行权衡：GPU 实例规模过大或首次生成令牌的时间过长。本文在 Amazon SageMaker HyperPod 上构建了一个分层 KV 缓存，将缓存扩展到使用 Curvine 的共享分布式 NVMe 池中，因此副本可以在经济高效的实例上以接近本地磁盘的速度重用缓存。
LLM optimization integration for Amazon SageMaker Python SDK
Amazon SageMaker Python SDK v3 现在直接在您的笔记本中公开 Amazon SageMaker AI 中的生成式 AI 推理建议。对端点进行基准测试，生成数据驱动的部署建议，并部署推荐的配置，而无需离开笔记本工作流程。
Deploying Kimi K3 on Amazon SageMaker HyperPod and Amazon EKS
本文将介绍如何使用两种方法在 AWS 上部署 Kimi K3：Amazon SageMaker HyperPod 和 Amazon Elastic Kubernetes Service (Amazon EKS) 集群。
The Causes and Consequences of the French Revolution
法国大革命的自由主义阶段——美国人会认可的部分——持续了大约六个月。之后的一切都是相反的。瑞安·麦克马肯 (Ryan McMaken) 解释了为什么自由主义总是因为一场并非由它造成的恐怖而受到指责。
