GuardianGamer scales family-safe cloud gaming with AWS
在这篇文章中，我们分享了GuardianGamer如何使用AWS服务，包括Amazon Nova和Amazon Bedrock来提供可扩展有效的监督平台。该团队使用亚马逊Nova进行聪明的叙事生成，为父母提供对孩子的游戏活动和社交互动的有意义的见解，同时保持了非侵入性的监测方法。
Optimize query responses with user feedback using Amazon Bedrock embedding and few-shot prompting
这篇文章演示了亚马逊基岩如何与用户反馈数据集结合使用，很少有射击提示，可以完善响应，以提高用户满意度。通过使用Amazon Titan Text Embeddings V2，我们证明了响应质量的统计学上显着改善，使其成为寻求准确和个性化响应的应用程序的宝贵工具。
Secure distributed logging in scalable multi-account deployments using Amazon Bedrock and LangChain
在这篇文章中，我们提出了一种解决分布式日志记录多学院部署的解决方案。
在这篇文章中，我们探讨了一家专门从事抵押服务和起源的金融服务公司Onity Group如何使用Amazon Bedrock和其他AWS服务来改变其文档处理能力。该解决方案有助于Onity与以前的OCR和AI/ML解决方案相比，将文档提取成本降低了50％，同时将整体准确度提高了20％。
Vxceed secures transport operations with Amazon Bedrock
aws与VXCECE合作支持其AI策略，从而开发了limoconnect Q，这是一种创新的地面运输管理解决方案。 VXCEED使用AWS服务，包括Amazon Bedrock和Lambda，成功地建立了一个安全的AI驱动解决方案，以简化Trip Trip预订和文档处理。
在这篇文章中，我们使用Amazon Elastic Kubernetes服务（EKS）与Amazon Bedrock一起演示了一个解决方案，以在AWS上为您的生成AI应用程序构建可扩展和容器化的RAG解决方案，同时将非结构化用户文件数据带入直接，快速和安全的方式，并将您的非结构用户文件数据带到Amazon Bedrock。
Use custom metrics to evaluate your generative AI application with Amazon Bedrock
现在使用亚马逊基岩，您可以为模型和抹布评估开发自定义评估指标。此功能扩展了LLM-AS-A-A-a-Gudge框架，该框架推动了亚马逊基岩评估。在这篇文章中，我们演示了如何在亚马逊基岩评估中使用自定义指标，以根据您的特定业务需求和评估标准来衡量和改善生成AI应用程序的性能。
Automate document translation and standardization with Amazon Bedrock and Amazon Translate
在这篇文章中，我们展示了如何通过使用Amazon Web Services（AWS）翻译文档来自动化语言本地化。该解决方案将Amazon Bedrock和AWS无服务器技术组合在一起，这是一套全面管理的事件驱动的服务，用于运行代码，管理数据和集成应用程序，而无需管理服务器。
Amazon Bedrock Model Distillation: Boost function calling accuracy while reducing cost and latency
在这篇文章中，我们强调了使用Meta的Llama模型家族中亚马逊基石模型蒸馏的高级数据增强技术和性能改进。该技术将知识从更大，功能强大的基础模型（FMS）转移到较小，更高效的模型（学生），创建在特定任务方面表现出色的专业模型。
在这篇文章中，我们分享了Floqast在Amazon Bedrock上使用Anthropic的Claude 3构建了AI驱动的会计交易解决方案。
Improve Amazon Nova migration performance with data-aware prompt optimization
在这篇文章中，我们提出了LLM迁移范式和体系结构，包括连续的模型评估过程，使用Amazon Bedrock及时生成，以及数据吸引的优化。该解决方案在迁移之前评估模型性能，并使用用户提供的数据集和目标指标迭代优化Amazon Nova模型提示。
Customize Amazon Nova models to improve tool usage
在这篇文章中，我们演示了与Amazon Nova一起使用的模型自定义（微调）。我们首先引入工具用例用例，并提供有关数据集的详细信息。我们介绍了亚马逊NOVA特定数据格式的详细信息，并展示了如何通过Converse进行工具并在Amazon Bedrock中调用API。在获得亚马逊NOVA模型的基线结果后，我们详细解释了微调过程，托管带有配置吞吐量的微型模型，并使用微调的Amazon Nova模型进行推理。
在这篇文章中，我们将使用OpenSearch Service构建混合搜索解决方案，该服务由亚马逊泰坦多模式多模式嵌入G1模型通过Amazon Bedrock提供的多模式嵌入。该解决方案演示了如何使用户提交文本和图像作为查询，以从示例零售图像数据集中检索相关结果。
Protect sensitive data in RAG applications with Amazon Bedrock
在这篇文章中，我们探讨了使用Amazon Bedrock在抹布应用中确保敏感数据的两种方法。第一种方法着重于在摄入亚马逊基石知识库之前识别和编辑敏感数据，第二种方法显示了一种细粒度的RBAC模式，用于管理检索过程中访问敏感信息的访问。这些解决方案仅代表了在生成AI应用中确保敏感数据的众多方法中的两种可能的方法。
Use Amazon Bedrock Intelligent Prompt Routing for cost and latency benefits
今天，我们很高兴地宣布亚马逊基岩智能及时路由的一般可用性。在这篇博客文章中，我们详细介绍了内部测试的各种亮点，如何开始，并指出一些警告和最佳实践。我们鼓励您将Amazon Bedrock智能及时路由纳入您的新的和现有的生成AI应用程序中。
在这篇文章中，我们探讨了Infosys如何开发Infosys事件AI来解锁事件和会议产生的见解。通过其功能套件（包括实时转录，智能摘要和交互式聊天助手）Infosys Event AI使活动知识可访问，并在活动期间和活动结束后为与会者提供了沉浸式的参与解决方案。
Amazon Bedrock Prompt Optimization Drives LLM Applications Innovation for Yuewen Group
今天，我们很高兴地宣布在亚马逊基岩上迅速优化。使用此功能，您现在可以使用单个API调用或单击Amazon Bedrock控制台上的按钮来优化几个用例的提示。在这篇博客文章中，我们讨论了如何提示优化改善Yuewen Group中智能文本处理任务的大语言模型（LLMS）的性能。
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。
