_领域信息情报检索---XiaoMi-AI

Azercell Telecom LLC 是阿塞拜疆领先的电信提供商，希望在 Amazon SageMaker AI 上针对电信用例和面向客户的聊天机器人构建阿塞拜疆大语言模型 (LLM)。挑战：使基础模型 (FM) 适应形态丰富的语言，但训练数据有限，而且阿塞拜疆没有现有的高效法学硕士培训蓝图。在为期六周的合作中，Azercell 与 AWS Generative AI 创新中心合作，在 Amazon SageMaker AI 上建立了一个生产就绪框架。

亚马逊云科技 _机器学习

2026年5月28日 20:35

使用 REST API 代理简化对 Amazon SageMaker MLflow 的外部访问

Streamline external access to Amazon SageMaker MLflow using a REST API proxy

在本文中，我们演示如何构建基于 Flask 的安全 MLflow 代理服务，该服务提供对 Amazon SageMaker MLflow 的 HTTPS 访问，而无需 MLflow SDK。该解决方案适用于正在进行云转型、希望在采用云原生服务的同时保留现有机器学习工作流程的组织。

亚马逊云科技 _机器学习

2026年5月29日 23:36

Amazon SageMaker AI LLM 推理的全面可观察性：从 GPU 利用率到 LLM 质量

Comprehensive observability for Amazon SageMaker AI LLM inference: From GPU utilization to LLM quality

本文演示了使用 Amazon Managed Grafana 仪表板的综合可观测性解决方案，该仪表板通过推理组件为 Amazon SageMaker AI 终端节点上提供的 LLM 提供质量和数量的整体视图。

亚马逊云科技 _机器学习

2026年5月28日 16:41

使用 Amazon Quick 和 Snowflake Cortex AI 自动进行 AML 警报分类

Automate AML alert triage with Amazon Quick and Snowflake Cortex AI

这篇文章展示了通过自动化金融服务中劳动最密集的工作流程之一来实现集成：反洗钱 (AML) 警报分类。您将使用 Amazon Quick Flows 和 Snowflake Cortex 构建分类工作流程，并通过 Amazon Quick Model Context Protocol (MCP) 集成进行连接。在我们的测试环境中，使用 Amazon Quick 构建的自动化工作流程将警报调查时间从 30-90 分钟减少到 5 分钟以下。实际结果可能会因警报复杂性和数据量而异。

亚马逊云科技 _机器学习

2026年5月28日 17:51

Claude Opus 4.8 现已在 AWS 上推出

Claude Opus 4.8 is now available on AWS

本文介绍了 Opus 4.8 的改进以及为 AI 工程师将模型集成到 Amazon Bedrock 上的代理系统和生产推理工作负载中的实用指南。

亚马逊云科技 _机器学习

2026年5月28日 18:10

通过 Amazon Bedrock AgentCore 中的数据集管理构建可与代理一起成长的测试套件

Build a test suite that grows with your agent with dataset management in Amazon Bedrock AgentCore

当您将快速移动的在线信号与稳定的离线基线相结合时，代理评估最为强大。要了解您的代理是否真正随着时间的推移而改进，您需要一个固定的基准以及不断变化的现实世界流量。将评估基线的测试用例作为 Amazon Bedrock AgentCore 中的数据集进行管理，带来了版本化测试装置的规范 [...]

_关键词检索结果