Simplify access control and auditing for Amazon SageMaker Studio using trusted identity propagation
在这篇文章中，我们探讨了如何在Amazon Sagemaker Studio中启用和使用可信赖的身份传播，该工作室允许组织通过授予现有AWS IAM IAM身份中心身份的权限来简化访问管理。该解决方案演示了如何根据物理用户的身份实现细粒度的访问控件，在受支持的AWS服务中保持详细的审核日志，并支持长期运行的用户背景会话以进行培训工作。
Optimizing Salesforce’s model endpoints with Amazon SageMaker AI inference components
在这篇文章中，我们分享了Salesforce AI平台团队如何优化GPU利用率，提高了资源效率并使用Amazon SageMaker AI，特别是推理组件来节省成本。
在这篇文章中，我们回顾了P6E-GB200 Ultraservers的技术规格，讨论其性能优势，并突出关键用例。然后，我们走过如何通过灵活的培训计划购买超声处理能力，并开始使用带有Sagemaker Hyperpod的Ultraservers。
Automate AIOps with SageMaker Unified Studio Projects, Part 2: Technical implementation
在这篇文章中，我们专注于通过逐步指导和参考代码实施此体系结构。我们提供了详细的技术演练，以满足AI开发生命周期中两个关键角色的需求：通过自动模板建立治理和基础设施的管理员，以及使用SageMaker Unified Studio用于模型开发的数据科学家，而无需管理基础设施。
Automate AIOps with Amazon SageMaker Unified Studio projects, Part 1: Solution architecture
这篇文章介绍了建筑策略和可扩展的框架，该框架可帮助组织管理多租户环境，始终如一地自动化自动化，并嵌入治理控制，因为它们可以与Sagemaker Unified Studio扩展AI计划。
Fine-tune OpenAI GPT-OSS models on Amazon SageMaker AI using Hugging Face libraries
于2025年8月5日发布，OpenAI的GPT-Oss车型GPT-OSS-20B和GPT-OSS-1220B现在可以通过AWS通过Amazon Sagemaker AI和Amazon Bedrock在AWS上购买。在这篇文章中，我们介绍了使用SageMaker AI培训工作在完全管理的培训环境中微调GPT-oss模型的过程。
在这篇文章中，我们将使用Amazon Bedrock Data Automation和Amazon Sagemaker AI展示如何使用人类评论循环处理多页文档。
GPT OSS models from OpenAI are now available on SageMaker JumpStart
今天，我们很高兴地宣布，来自Amazon Sagemaker Jumpstart的OpenAI，Openai的Open AI开放式AI开放式GPT OSS模型，GPT-OSS-1220B和GPT-SOSS-20B。通过此发布，您现在可以部署Openai的最新推理模型来构建，实验和负责任地扩展您的生成AI想法。在这篇文章中，我们演示了如何在Sagemaker Jumpstart上开始这些模型。
July Recap: New AWS Services and Privileged Permissions
随着2025年7月的结束，我们回到了本月的新发布的AWS特权许可证 - 这次，几项新服务首次亮相，每个服务都带有可以重塑您的云安全边界的权限。本月在Amazon Bedrock，Oracle Database@aws，S3矢量和Sagemaker中介绍新的功能，所有[…]
今天，我们很高兴地宣布，Mistral-Small-3.2-24B-Instruct-2506 - Mistral AI的240亿参数大语言模型（LLM），该模型（LLM）已优化，可通过Amazon Sagemaker Jumpstart和Amazon Bedrock Market Place，可用于增强跟随和减少的重复错误，并减少重复错误。亚马逊基岩市场是亚马逊基岩的一种能力，开发人员可以用来发现，测试和使用[…]
Customize Amazon Nova in Amazon SageMaker AI using Direct Preference Optimization
在纽约市的AWS峰会上，我们为亚马逊Nova Foundation Models推出了一套全面的模型定制功能。作为现成的食谱Onamazon Sagemaker AI可用，您可以在模型培训生命周期中使用它们来适应Nova Micro，Nova Lite和Nova Pro，包括预训练，监督微调和对齐方式。在这篇文章中，我们提出了一种简化的方法来自定义Sagemaker培训工作中的Nova Micro。
Evaluating generative AI models with Amazon Nova LLM-as-a-Judge on Amazon SageMaker AI
评估大语言模型（LLM）的性能超出了统计指标，例如困惑或双语评估研究（BLEU）得分。对于大多数真实世界的生成AI方案，重要的是要了解模型是否比基线或更早的迭代产生更好的输出。这对于诸如摘要，内容生成，[…]
组织正在采用大型语言模型（LLM），例如DeepSeek R1，以改变业务流程，增强客户体验并以前所未有的速度推动创新。但是，独立的LLM具有关键的局限性，例如幻觉，过时的知识和无法获得专有数据的访问。检索增强发电（RAG）通过将语义搜索与生成AI相结合，[…]
How Rapid7 automates vulnerability risk scores with ML pipelines using Amazon SageMaker AI
在这篇文章中，我们分享了Rapid7如何实施端到端自动化，以用于预测CVSS向量的ML模型的培训，验证和部署。 Rapid7客户拥有所需的信息，以准确了解其风险并确定补救措施。
Advanced fine-tuning methods on Amazon SageMaker AI
在AWS上微调ML模型时，您可以为您的特定需求选择合适的工具。 AWS为数据科学家，ML工程师和业务用户提供了一系列全面的工具，以实现其ML目标。 AWS建立了支持各种ML复杂性的解决方案，从简单的Sagemaker培训工作进行FM微调到萨吉马制造商Hyperpod的力量进行尖端研究。我们邀请您探索这些选项，从适合您当前需求的内容开始，并随着这些需求的变化而发展您的方法。
Streamline machine learning workflows with SkyPilot on Amazon SageMaker HyperPod
这篇文章与Skypilot共同创建者Zhanghao Wu共同撰写。生成AI和基础模型（FMS）的快速发展已大大提高了机器学习（ML）工作量的计算资源需求。现代ML管道需要有效的系统来在加速的计算资源上分配工作负载，同时确保开发人员的生产率仍然很高。组织需要基础架构解决方案[…]
Implement user-level access control for multi-tenant ML platforms on Amazon SageMaker AI
在这篇文章中，我们讨论了权限管理策略，重点介绍了基于属性的访问控制（ABAC）模式，这些模式可实现粒度用户访问控制，同时最大程度地减少AWS身份和访问管理（IAM）角色的扩散。我们还分享了经过验证的最佳实践，可帮助组织维持安全性和合规性，而无需牺牲其ML工作流程的运营效率。
New capabilities in Amazon SageMaker AI continue to transform how organizations develop AI models
在这篇文章中，我们分享了Sagemaker AI中的一些新创新，这些创新可以加速您的构建和培训AI模型。这些创新包括SageMaker Hyperpod中的新可观察性功能，在HyperPod上部署JumpStart模型的能力，从本地开发环境中与SageMaker AI的远程连接以及完全管理的MLFLOW 3.0。
