az关键词检索结果

太平洋地区的杀伤力:P-735 机枪靶场在海军陆战队 Blaz 基地达到主要目标部署里程碑

Lethality in the Pacific: P-735 Machine Gun Range hits major target fielding milestone at Marine Corps Base Camp Blaz

美国太平洋司令部战区的作战人员现在能够使用一流的实弹训练设施来增强他们的战备能力。 2026 年 6 月 18 日,项目经理培训系统在海军水面作战中心 Corona 的支持下,完成了海军陆战队 Blaz 基地 P-735 多用途机枪靶场的目标系统部署。 TRASYS 和 RS10L2F 团队成功完成了位于梅森靶场综合体的靶场的政府验收测试和新设备培训,达到了一个重要的里程碑。

“万福玛丽计划”终于在 Amazon Prime Video 上播放,我们迫不及待地想再次观看

'Project Hail Mary' is finally streaming Amazon Prime Video, and we can't wait to watch it again

“Project Hail Mary”于 7 月 3 日开始在 Prime Video 上播出。

一艘私人航天器在太空部队突破性的“Victus Haze”任务中拦截另一艘私人航天器

1 private spacecraft intercepts another on Space Force's groundbreaking 'Victus Haze' mission

美国太空军通过两颗卫星相互对抗的任务完成了该组织对轨道目标的首次战术拦截。

在 AWS GovCloud(美国)的 Amazon Bedrock 上运行 NVIDIA Nemotron 和 OpenAI GPT OSS 模型

Run NVIDIA Nemotron and OpenAI GPT OSS models on Amazon Bedrock in AWS GovCloud (US)

我们很高兴在 AWS GovCloud(美国)中引入基于美国的前沿开放权重模型。通过此版本,Amazon Bedrock 现在支持 OpenAI 的开放权重 GPT OSS 模型(120B 和 20B)和 NVIDIA Nemotron(Nano 9B v2、Nano 12B v2、Nano 30B、Super 120B)模型。在这篇文章中,我们将介绍这些模型及其功能、数据驻留的推理选项、可用的服务层以及如何开始。

Amazon Bedrock 如何捕获 AI 生成的网络钓鱼

How Amazon Bedrock catches AI-generated phishing

通过网络钓鱼进行社会工程仍然是发起网络攻击的最常见策略之一。人工智能生成的网络钓鱼电子邮件现在给管理电子邮件系统的安全团队带来了新的挑战,由于其先进性而显着增加了风险。现代社会工程师使用生成式人工智能和开源情报 (OSINT) 来制作数千条独特的消息 [...]

Inscribe 如何使用 Amazon Bedrock 在几秒钟内阻止文档欺诈

How Inscribe uses Amazon Bedrock to stop document fraud in seconds

在本文中,您将了解 Inscribe 如何使用 Amazon Bedrock 开发代理 AI 系统,以专业欺诈分析师的方式跨文档进行推理。借助这一新的代理 AI 系统,Inscribe 现在可以在 90 秒内检测到被篡改、伪造和 AI 生成的财务文档。这比传统的人工审核提高了 20 倍,同时保持了金融服务法规所要求的准确性和可解释性。

在 Amazon SageMaker AI 上使用 BoltzGen 加速蛋白质设计

Accelerate protein design with BoltzGen on Amazon SageMaker AI

在这篇文章中,我们演示了如何在 SageMaker AI 上部署 BoltzGen 并运行端到端蛋白质设计实验。在演练结束时,您将拥有一个可从快速验证运行扩展到生产批处理的工作设置。该设置为不同的研究阶段提供了两种执行模式,并使用步骤级缓存来减少迭代工作流程期间的计算费用。

非当事人意见陈述:Majestic Realty 诉 Salazar

Amicus Brief: Majestic Realty v. Salazar

使用 Amazon Bedrock AgentCore Observability 调试生产代理

Debugging production agents with Amazon Bedrock AgentCore Observability

在本文中,您将了解如何使用内置的可观察性功能来调试生产代理故障。我们介绍常见的故障模式,展示如何通过跟踪和指标分析代理行为,并提供结构化工作流程来解决无限循环和工具调用失败等问题。这是由两部分组成的系列的第 1 部分。第 2 部分介绍性能优化和内存管理。

使用 Amazon Bedrock 和 LLM 网关实施弹性模式

Implementing resilience patterns with Amazon Bedrock and LLM gateway

在本文中,您将学习在 AWS 上构建弹性生成 AI 应用程序的五种实用模式,从原生 Amazon Bedrock 功能发展到使用 LLM 网关的多模型编排。这些模式解决了现实世界的挑战,例如意外流量激增期间的配额耗尽,通过推理的地理分布最大化可用性,并帮助防止多租户环境中的嘈杂邻居问题。

通过托管权利简化多账户对 Amazon Bedrock 模型的访问

Simplify multi-account access to Amazon Bedrock models with managed entitlements

在本文中,我们将向您展示如何使用 Amazon Bedrock 的托管权利从中央账户订阅一次并在整个组织中分配模型访问权限。此方法无需工作负载账户中的 AWS Marketplace 权限。

一些最佳的 Amazon Prime Day SSD 和存储优惠仍在进行中 - 三星、WD 等

Some of the best Amazon Prime Day SSD and storage deals are still live - Samsung, WD, and more

我跟踪 SSD 交易,发现顶级品牌在亚马逊 Prime Day 期间有大幅降价。

使用 NVIDIA Blackwell 优化 Amazon SageMaker AI 上的模型训练

Optimize model training on Amazon SageMaker AI with NVIDIA Blackwell

本文向您展示如何在 Amazon SageMaker AI 上配置训练作业,以充分利用 AWS 上的 Blackwell 架构。您将学习如何选择利用 Blackwell 扩展内存的批量大小和序列长度,为您的模型大小(1B 至 64B 参数)选择正确的精度格式,以及策略性地应用激活检查点。最后,您将拥有一个实用的框架,用于调整训练配置并在 P6-B200 实例上启动分布式训练作业。

通过在 Amazon SageMaker AI 上部署 SeedVR2 实现超分辨率

Implementing super resolution by deploying SeedVR2 on Amazon SageMaker AI

在这篇文章中,我们演示了如何在 SageMaker AI 上使用 SeedVR2 实现视频升级。我们介绍解决方案架构、逐步介绍部署步骤并展示性能比较,突出显示您可以实现的质量改进和处理效率。读完本文后,您将掌握实施此超分辨率解决方案所需的实践知识。

我戴了最好的 Garmin 和 Amazfit 智能手表一个月了 - 250 美元的价格差距明显吗?

I wore the best Garmin and Amazfit smartwatches for a month - is the $250 price gap noticeable?

最新的 Amazfit Cheetah 2 Ultra 与 Garmin Fenix 8 相比如何?这是我与两者一起生活一个月后发现的。

使用 Amazon Nova 2 Sonic 构建医疗保健预约代理

Build a healthcare appointment agent with Amazon Nova 2 Sonic

在本文中,您将了解如何使用 Amazon Nova 2 Sonic 和 Amazon Bedrock AgentCore 构建处理预约提醒对话的语音代理。该代理通过语音对患者进行身份验证,管理预约(确认、取消或重新安排),收集就诊前的健康信息,并在需要时升级给工作人员。您可以大规模处理例行呼叫,这有助于降低缺席率。此示例重点关注问题的代理方面:语音对话和工具编排。包含一个基于浏览器的界面用于测试。要将代理连接到实际电话线路以进行出站拨号,您可以集成电话服务,例如 Amazon Connect Customer。

Loka 如何使用 Amazon Nova 2 Sonic 构建自然、低延迟的语音代理

How Loka Built a Natural, Low-Latency Voice Agent with Amazon Nova 2 Sonic

在这篇文章中,我们演示了 Loka 用于解决常见问题的架构和方法:机器人、缓慢的语音助手会导致客户挂断电话,损害品牌声誉并增加支持成本。

借助 Snowflake 和 Amazon Quick 的人工智能驱动的 BI

AI-powered BI with Snowflake and Amazon Quick

在本文中,您将了解如何在 Snowflake 语义视图和 Amazon Quick 之间构建端到端集成。样本数据是媒体公司的用户评论数据。首先,您将电影评论数据从 Amazon Simple Storage Service (Amazon S3) 加载到 Snowflake 中,在 SQL 中定义语义视图以添加业务含义,通过 Cortex Analyst 使用自然语言查询进行探索,然后生成 Amazon Quick 数据集和仪表板。可以手动或使用提供的自动化脚本创建数据集。最后,您的 BI 团队或 AI 团队可以针对受管数据层提出自然语言问题,并相信每个响应都反映相同的业务逻辑。