在媒体和娱乐行业中，了解和预测营销活动的有效性对于成功至关重要。营销活动是成功企业的推动力，在吸引新客户，保留现有客户并最终提高收入方面发挥了关键作用。但是，发起广告系列还不够。为了最大化其影响并帮助实现[…]
传统的预测方法通常依赖于统计建模，但Chronos将时间序列数据视为要建模的语言，并使用预训练的FM来生成预测，类似于大型语言模型（LLMS）的生成文本。与传统方法相比，计时可帮助您更快地实现准确的预测，从而大大减少开发时间。在这篇文章中，我们分享了Deutsche Bahn如何使用Chronos模型重新定义预测，并提供了一个示例用例，以说明如何使用Chronos开始使用。
Build a gen AI–powered financial assistant with Amazon Bedrock multi-agent collaboration
这篇文章探讨了专门从事三个关键任务的财务助理系统：投资组合创建，公司研究和沟通。这篇文章旨在说明在亚马逊基地多代理协作能力中使用多个专业代理商的使用，并特别强调了他们在财务分析中的应用。
Best practices for Meta Llama 3.2 multimodal fine-tuning on Amazon Bedrock
在这篇文章中，我们分享了针对亚马逊基岩上微调元美洲拉玛3.2多模式的全面最佳实践和科学见解。通过遵循这些准则，您可以微调较小，更具成本效益的模型，以实现可与之匹配甚至超过更大模型的性能，可以降低推理成本和潜伏期，同时保持特定用例的高精度。
Autonomous mortgage processing using Amazon Bedrock Data Automation and Amazon Bedrock Agents
在这篇文章中，我们引入了代理自动抵押贷款批准，这是一种下一代样本解决方案，使用由亚马逊基岩代理和亚马逊基岩数据自动化提供动力的自主AI代理。这些代理商策划了整个抵押贷款批准过程 - 努力验证文件，评估风险并以最少的人为干预做出数据驱动的决策。
Evaluate Amazon Bedrock Agents with Ragas and LLM-as-a-judge
在这篇文章中，我们介绍了开源基础代理评估框架，这是一种简化代理开发过程的Langfuse集成解决方案。我们证明了如何将该评估框架与药品研究代理集成。我们用它来评估针对生物标志物问题的代理性能，并将痕迹发送到langfuse，以查看问题类型的评估指标。
Build a location-aware agent using Amazon Bedrock Agents and Foursquare APIs
在这篇文章中，我们将Amazon Bedrock代理商和FourSquare API结合在一起，以演示如何使用位置感知的代理为您的用户带来个性化的响应。
在这篇文章中，我们使用亚马逊基岩的多代理功能来展示一种强大而创新的AWS成本管理方法。通过使用Amazon Nova FMS的高级功能，我们开发了一种解决方案，该解决方案展示了AI驱动的代理如何彻底改变组织分析，优化和管理其AWS成本的方式。
How TransPerfect Improved Translation Quality and Efficiency Using Amazon Bedrock
这篇文章描述了AWS客户渠道技术 - 本地化团队如何与TransPerfect合作，将亚马逊床架集成到Globallink Translation Management Systems，这是一种基于云的解决方案，旨在帮助组织管理其多语言内容和翻译工作流。组织使用TransFect的解决方案来快速使用AI以多种语言来迅速创建和部署内容。
Automating regulatory compliance: A multi-agent solution using Amazon Bedrock and CrewAI
在这篇文章中，我们探讨了AI代理如何使用亚马逊基岩和Crewai简化合规性并满足金融机构的监管要求。我们演示了如何构建一个可以自动汇总新法规，评估其对操作的影响并提供规范性技术指导的多代理系统。您将学习如何使用Crewai使用Amazon Bedrock知识库和Amazon Bedrock代理商来创建全面的自动合规解决方案。
Implement human-in-the-loop confirmation with Amazon Bedrock Agents
在这篇文章中，我们专门致力于使最终用户批准操作并使用内置的亚马逊基石代理功能，特别是用于提供安全有效的代理操作的HITL模式。我们使用人力资源（HR）代理示例探索可用的模式，该示例可帮助员工要求休息时间。
Build an enterprise synthetic data strategy using Amazon Bedrock
在这篇文章中，我们探讨了如何使用亚马逊基岩进行合成数据生成，考虑到这些挑战以及潜在的好处，以为各个行业（包括AI和机器学习（ML））制定有效策略。
Multi-tenancy in RAG applications in a single Amazon Bedrock knowledge base with metadata filtering
这篇文章演示了亚马逊基石知识库如何帮助您有效地扩展数据管理，同时维护不同管理级别的适当访问控制。
Effectively use prompt caching on Amazon Bedrock
提示缓存，现在通常在亚马逊基岩上提供，拟人化的Claude 3.5 Haiku和Claude 3.7十四行诗，以及Nova Micro，Nova Lite和Nova Pro模型，可将响应延迟降低高达85％，并通过在多个API调用中降低90％的响应延迟，并降低90％的费用高达90％。这篇文章详细概述了亚马逊基岩上的及时缓存功能，并提供了有关如何有效使用此功能以提高延迟和成本节省的指导。
Evaluate models or RAG systems using Amazon Bedrock Evaluations – Now generally available
今天，我们很高兴地宣布亚马逊基岩评估中这些评估功能的总体可用性，以及使它们完全不合时宜的重大增强功能。在这篇文章中，我们详细探讨了这些新功能，向您展示了如何通过实例来评估抹布系统和模型。我们演示了如何利用比较功能对不同的实现进行基准测试，并就您的AI部署做出数据驱动的决策。
Using Large Language Models on Amazon Bedrock for multi-step task execution
本文探讨了LLM在通过API执行复杂分析查询中的应用，并特别关注亚马逊基岩。为了证明这一过程，我们提出了一个用例，该系统通过检索，分组和分类数据来识别患者的疫苗数量最少，并最终呈现最终结果。
