We used our own platform to build, iterate, and launch a production-ready robotic solution | Viam
在 Viam 上构建机器人打磨解决方案消除了传统硬件集成的复杂性，使我们能够交换组件并进行基准测试，而无需重写应用程序代码。
Iterate faster with Amazon Bedrock AgentCore Runtime direct code deployment
Amazon Bedrock AgentCore 是一个代理平台，用于大规模安全地构建、部署和操作有效的代理。 Amazon Bedrock AgentCore Runtime 是 Bedrock AgentCore 的完全托管服务，它提供低延迟无服务器环境来部署代理和工具。它提供会话隔离，支持多种代理框架（包括流行的开源框架），并处理多模式 [...]
Iterative fine-tuning on Amazon Bedrock for strategic model improvement
组织在为其生成式 AI 模型实施单次微调方法时经常面临挑战。单次微调方法涉及选择训练数据、配置超参数并希望结果满足预期，但无法进行增量调整。单次微调经常会导致结果不理想，并且需要在改进 [...] 时从头开始整个过程
JUST IN: Australian Navy Moving Out on Historic Investment
悉尼——澳大利亚阿尔巴尼亚政府于 2024 年发布了国防战略，启动了澳大利亚皇家海军每两年一次的审查和转型。海军参谋长表示，在政府预计下一次迭代时，2024 年战略的投资已经制定了路线图，但现在是交付的时候了。
Generate Gremlin queries using Amazon Bedrock models
在这篇文章中，我们探索了一种创新方法，该方法使用 Amazon Bedrock 模型（例如 Amazon Nova Pro）将自然语言转换为 Gremlin 查询，从而帮助业务分析师和数据科学家访问图形数据库，而无需深厚的技术专业知识。该方法涉及三个关键步骤：提取图形知识、构建类似于文本到 SQL 处理的图形，以及通过迭代细化过程生成可执行的 Gremlin 查询，该过程在测试中实现了 74.17% 的总体准确率。
Build scalable creative solutions for product teams with Amazon Bedrock
在这篇文章中，我们探讨产品团队如何利用 Amazon Bedrock 和 AWS 服务通过生成式 AI 转变其创意工作流程，实现跨多种格式的快速内容迭代，同时保持品牌一致性和合规性。该解决方案展示了团队如何部署可扩展的生成式人工智能应用程序，以加速从产品描述和营销文案到视觉概念和视频内容的一切，显着缩短上市时间，同时提高创意质量。
FS-DFM: Fast and Accurate Long Text Generation with Few-Step Diffusion Language Models
自回归语言模型 (ARM) 提供了很强的可能性，但本质上是串行的：它们每次前向传递生成一个令牌，这限制了吞吐量并增加了长序列的延迟。扩散语言模型 (DLM) 跨位置并行，因此对于语言生成来说似乎很有前景，但标准离散扩散通常需要数百到数千次模型评估才能达到高质量，以串行深度换取迭代广度。我们引入 FS-DFM，即少步离散流匹配。离散流量匹配模型，专为提高速度而设计，且不牺牲……
