在这篇博文中，我们探讨了 TR 如何通过 Open Arena 解决关键业务用例，Open Arena 是一种高度可扩展且灵活的无代码 AI 解决方案，由 Amazon Bedrock 和其他 AWS 服务（例如 Amazon OpenSearch Service、Amazon Simple Storage Service (Amazon S3)、Amazon DynamoDB 和 AWS Lambda）提供支持。我们将解释 TR 如何使用 AWS 服务来构建此解决方案，包括架构的设计方式、它解决的用例以及使用它的业务配置文件。
How Amazon Search increased ML training twofold using AWS Batch for Amazon SageMaker Training jobs
在本文中，我们向您展示 Amazon Search 如何利用 AWS Batch 进行 SageMaker 训练作业来优化 GPU 实例利用率。该托管解决方案使我们能够在 P5、P4 等 GPU 加速实例系列上协调机器学习 (ML) 训练工作负载。我们还将提供用例实现的分步演练。
Connect Amazon Bedrock agents to cross-account knowledge bases
组织需要无缝访问其结构化数据存储库来为智能 AI 代理提供支持。然而，当这些资源跨越多个 AWS 账户时，可能会出现集成挑战。本文探讨了一种实用的解决方案，用于将 Amazon Bedrock 代理连接到驻留在不同 AWS 账户中的 Amazon Redshift 集群中的知识库。
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 [...]
在这篇文章中，我们研究了 Switchboard, MD 在临床环境中扩展转录准确性和成本效益方面面临的具体挑战、他们选择正确转录解决方案的评估流程，以及他们使用 Amazon Connect 和 Amazon Kinesis Video Streams 实施的技术架构。这篇文章详细介绍了所取得的令人印象深刻的成果，并展示了他们如何利用这一基础实现 EMR 匹配自动化，并让医护人员有更多时间专注于患者护理。
Clario streamlines clinical trial software configurations using Amazon Bedrock
这篇文章建立在我们之前讨论 Clario 如何开发由 Amazon Bedrock 提供支持的 AI 解决方案以加速临床试验的文章的基础上。从那时起，Clario 进一步增强了其人工智能能力，专注于创新解决方案，简化临床试验软件配置和工件的生成，同时提供高质量的临床证据。
AI 代理需要代表您浏览网页。当您的代理访问网站以收集信息、填写表格或验证数据时，它会遇到旨在阻止不需要的机器人的相同防御措施：验证码、速率限制和彻底阻止。今天，我们很高兴与大家分享 AWS 拥有一个解决方案。 Amazon Bedrock AgentCore [...]
こんにちは，你好。 Anthropic 最近推出的 Claude Sonnet 4.5 和 Claude Haiku 4.5（现已在 Amazon Bedrock 上提供）标志着生成式 AI 模型的重大飞跃。这些最先进的模型擅长复杂的代理任务、编码和企业工作负载，为开发人员提供增强的功能。除了新型号之外，我们很高兴地宣布 [...]
You can get the Amazon Fire HD 10 tablet for up to $90 off with this sneaky deal - here's where
它无法击败 iPad，但 Amazon Fire HD 10 是休闲移动娱乐和儿童的绝佳平板电脑选择。另外，QVC 还推出了黑色星期五提前促销 - 但要抓紧时间。
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。
Build a proactive AI cost management system for Amazon Bedrock – Part 2
在这篇文章中，我们探讨了 Amazon Bedrock 部署的高级成本监控策略，引入了精细的自定义标记方法，以实现精确的成本分配和全面的报告机制，这些机制建立在第 1 部分中建立的主动成本管理基础之上。该解决方案演示了如何实现调用级标记、应用程序推理配置文件以及与 AWS Cost Explorer 的集成，以创建生成式 AI 使用和生成的完整 360 度视图。 费用。
Serverless deployment for your Amazon SageMaker Canvas models
在这篇文章中，我们将介绍如何采用 SageMaker Canvas 中构建的 ML 模型并使用 SageMaker Serverless Inference 进行部署，帮助您快速高效地从模型创建到生产就绪的预测，而无需管理任何基础设施。该解决方案演示了一个完整的工作流程，从将经过训练的模型添加到 SageMaker 模型注册表，到创建无服务器端点配置，再到部署根据需求自动扩展的端点。
Accelerate large-scale AI training with Amazon SageMaker HyperPod training operator
在这篇文章中，我们演示了如何使用 Amazon SageMaker HyperPod 训练操作器部署和管理机器学习训练工作负载，该操作器通过精确恢复和可定制的监控功能增强 Kubernetes 工作负载的训练弹性。 Amazon SageMaker HyperPod 训练运算符通过有效管理跨大型 GPU 集群的分布式训练来帮助加速生成式 AI 模型开发，提供集中训练过程监控、精细过程恢复和挂起作业检测等优势，可将恢复时间从数十分钟缩短到几秒钟。
Outage at Amazon Web Services disrupts websites across the internet
亚马逊的云计算服务为许多在线运营的公司提供后端支持。当它出现问题时，他们也会出现问题。
What to know about the Amazon Web Services outage
周一，与亚马逊云计算服务相关的互联网中断影响了世界各地试图连接用于工作、社交媒体和视频游戏的在线服务的人们。
Voice AI-powered drive-thru ordering with Amazon Nova Sonic and dynamic menu displays
在本文中，我们将演示如何使用 Amazon Nova Sonic 和 AWS 服务实施快速服务餐厅 (QSR) 得来速解决方案。我们将逐步构建一个将语音人工智能与交互式菜单显示相结合的智能系统，提供技术见解和实施指导，以帮助餐厅实现得来速运营的现代化。
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
