BED关键词检索结果

BED-LLM:利用法学硕士和贝叶斯实验设计进行智能信息收集

BED-LLM: Intelligent Information Gathering with LLMs and Bayesian Experimental Design

我们提出了一种通用方法,用于提高大型语言模型 (LLM) 使用顺序贝叶斯实验设计 (BED) 框架智能、自适应地从用户或其他外部源收集信息的能力。这使得法学硕士能够充当有效的多轮会话代理并与外部环境进行交互。我们的方法称为 BED-LLM(大型语言模型的贝叶斯实验设计),基于迭代选择问题或查询,最大化关于任务的预期信息增益 (EIG)

构建代理以从使用 Amazon Bedrock AgentCore 情景记忆的经验中学习

Build agents to learn from experiences using Amazon Bedrock AgentCore episodic memory

在这篇文章中,我们将引导您完成构建和存储情节的完整架构,讨论反射模块,并分享令人信服的基准,这些基准证明代理任务成功率显着提高。

Bunq 如何通过 Amazon Bedrock 处理 97% 的支持

How bunq handles 97% of support with Amazon Bedrock

在这篇文章中,我们展示了 Bunq 如何使用 Amazon Bedrock 升级其内部生成式 AI 助手 Finn,以实现多种语言和时区的无缝用户支持和银行运营。

汤森路透如何使用 Amazon Bedrock AgentCore 构建 Agentic Platform Engineering Hub

How Thomson Reuters built an Agentic Platform Engineering Hub with Amazon Bedrock AgentCore

这篇博文介绍了 TR 的平台工程团队(一个负责监督 TR 服务可用性的地理分布单位)如何通过使用 Amazon Bedrock AgentCore 从手动系统过渡到自动化代理系统来提高其运营生产力。

引入 Amazon Bedrock 知识库的多模式检索

Introducing multimodal retrieval for Amazon Bedrock Knowledge Bases

在这篇文章中,我们将指导您构建多模式 RAG 应用程序。您将了解多模式知识库的工作原理、如何根据内容类型选择正确的处理策略,以及如何使用控制台和代码示例来配置和实现多模式检索。

对狼蛛属 Hippasa Simon 的进一步研究,1885 年来自东亚,并描述了属(蜘蛛目:狼蛛科)

A further study on the wolf spider genus Hippasa Simon, 1885 from East Asia, with the description of a genus (Araneae: Lycosidae)

A further study on the wolf spider genus Hippasa Simon, 1885 from East Asia, with the description of a genus (Araneae: Lycosidae)AbstractThree new species of Hippasa are described from China and adjacent regions of Thailand and Vietnam: H. modog sp.十一月(♂♀, 西藏, 中国), H. pulmoniformis sp.十一月(♂♀, Guangx

Airborne-NextGen 01.13.26:EL9 Sprinter Van?、AI 副驾驶、2 个新的 UAS 测试站点

Airborne-NextGen 01.13.26: EL9 Sprinter Van?, AI Copilot, 2 New UAS Test Sites

另外:星际战斗机、LIFT 的商业 eVTOL、UL100E 规格、AE 工业采购 Electra Defense 正在将目光投向军队定期补给、标准运输或特种作战任务中经常需要的较小负载的货物和人员的移动。该公司正在推出 EL9 超短混合动力飞机,以填补较小飞机可以更有效地完成大型飞机的工作的空白。 Merlin Labs 正准备通过与 Inflection Point Acquisition Corp. IV 合并来进入公开市场。尽管简明的描述可能会产生误导,但梅林并不是在建造无人驾驶飞机。其旗舰系统被称为“Merlin Pilot”,旨在复制人类飞行员的全部工作量,同时在驾驶舱内与一名飞行

使用 Amazon Bedrock Guardrails 保护生成式 AI 应用程序

Safeguard generative AI applications with Amazon Bedrock Guardrails

在这篇文章中,我们将演示如何通过使用 Amazon Bedrock Guardrails 向自定义多提供商生成式 AI 网关添加集中式保护措施来应对这些挑战。

使用 GitHub Actions 在 Amazon Bedrock AgentCore 上部署 AI 代理

Deploy AI agents on Amazon Bedrock AgentCore using GitHub Actions

在这篇文章中,我们演示了如何使用 GitHub Actions 工作流程在 AgentCore Runtime 上自动部署 AI 代理。这种方法提供了具有企业级安全控制的可扩展解决方案,提供完整的持续集成和交付 (CI/CD) 自动化。

Palo Alto Networks 如何使用 Amazon Bedrock 增强设备安全性基础设施日志分析

How Palo Alto Networks enhanced device security infra log analysis with Amazon Bedrock

Palo Alto Networks 的设备安全团队希望检测潜在生产问题的早期预警信号,以便为中小企业提供更多时间来应对这些新出现的问题。他们与 AWS GenAIIC 合作开发由 Amazon Bedrock 提供支持的自动日志分类管道。在这篇文章中,我们讨论 Amazon Bedrock 如何通过 Anthropic 的 Claude Haiku 模型和 Amazon Titan Text Embeddings 协同工作来自动分类和分析日志数据。我们探索这个自动化管道如何检测关键问题,检查解决方案架构,并分享实现可衡量的运营改进的实施见解。

使用 Amazon Nova Multimodal Embeddings 统一矢量搜索扩展创意资产发现

Scale creative asset discovery with Amazon Nova Multimodal Embeddings unified vector search

在本文中,我们将介绍如何使用 Amazon Nova 多模式嵌入来检索特定视频片段。我们还回顾了一个现实世界的用例,其中 Nova Multimodal Embeddings 在针对 170 个游戏创意资产的库进行测试时,实现了 96.7% 的召回成功率和 73.3% 的高精度召回率(返回前两个结果中的目标内容)。该模型还展示了强大的跨语言功能,并且跨多种语言的性能下降最小。

AutoScout24 如何构建机器人工厂以标准化 Amazon Bedrock 的 AI 代理开发

How AutoScout24 built a Bot Factory to standardize AI agent development with Amazon Bedrock

在这篇文章中,我们将探讨 AutoScout24 用于构建标准化 AI 开发框架的架构,从而实现安全且可扩展的 AI 代理的快速部署。

使用 Amazon Bedrock 构建由 AI 驱动的生成式业务报告解决方案

Build a generative AI-powered business reporting solution with Amazon Bedrock

本文介绍了生成式 AI 指导的业务报告,重点是撰写有关您的业务的成就和挑战,提供智能、实用的解决方案,有助于简化和加速内部沟通和报告。

Airborne-NextGen 01.13.26:EL9 Sprinter Van?、AI 副驾驶、2 个新的 UAS 测试站点

Airborne-NextGen 01.13.26: EL9 Sprinter Van?, AI Copilot, 2 New UAS Test Sites

另外:星际战斗机、LIFT 的商业 eVTOL、UL100E 规格、AE 工业采购 Electra Defense 正在将目光投向军队定期补给、标准运输或特种作战任务中经常需要的较小负载的货物和人员的移动。该公司正在推出 EL9 超短混合动力飞机,以填补较小飞机可以更有效地完成大型飞机的工作的空白。 Merlin Labs 正准备通过与 Inflection Point Acquisition Corp. IV 合并来进入公开市场。尽管简明的描述可能会产生误导,但梅林并不是在建造无人驾驶飞机。其旗舰系统被称为“Merlin Pilot”,旨在复制人类飞行员的全部工作量,同时在驾驶舱内与一名飞行

确保 Amazon Bedrock 跨区域推理的安全:地理和全球

Securing Amazon Bedrock cross-Region inference: Geographic and global

在本文中,我们探讨了实施 Amazon Bedrock 跨区域推理配置文件的安全注意事项和最佳实践。无论您是构建生成式 AI 应用程序还是需要满足特定的区域合规性要求,本指南都将帮助您了解 Amazon Bedrock CRIS 的安全架构以及如何正确配置您的实施。

神经科学解释社交对健康的好处

Neuroscience Explains the Health Benefits of Socializing

艾玛·贝丁顿(Emma Beddington),警卫“我讨厌它。”我问过神经科学家本·雷因(Ben Rein),他对我们所处的网络垃圾神经科学海洋有何感想——“多巴胺禁食”、“血清素增强”和......

Beekeeper 如何使用 Amazon Bedrock 优化用户个性化

How Beekeeper optimized user personalization with Amazon Bedrock

Beekeeper 的自动排行榜方法和用于动态法学硕士和即时配对选择的人工反馈循环系统解决了组织在快速发展的语言模型领域面临的关键挑战。

大学加入 Seabed 2030 任务,绘制世界海洋地图

University joins Seabed 2030 in mission to map the world's ocean

大学将通过各种举措积极做出贡献,包括贡献新数据和卫星测深