Accelerating Articul8’s domain-specific model development with Amazon SageMaker HyperPod
了解ARTICUL8如何使用特定于域的模型来重新定义企业生成AI，在现实世界应用中的特定模型都超过了通用LLM。在我们最新的博客文章中，我们深入研究了Amazon Sagemaker Hyperpod如何加速ArtiCul8行业领先的半导体模型的开发 - 在将部署时间削减4倍的同时，提高了2倍的准确性，以提高2倍的准确性。
Llama 3.3 Nemotron Super 49b V1 AndlAma 3.1 Nemotron Nano 8b V1现在可以在Amazon Bedrock Marketplace和Amazon Sagemaker Jumpstart中获得。现在，您可以在此发布中，您可以部署Nvidia的Newewest推理模型来构建，实验，实验性地逐步扩展您的生成ai aws aws aws aws aws。
在这篇文章中，我们演示了如何使用自然语言和图像查询使用大型视觉模型（LVM）进行语义视频搜索。我们介绍了一些特定于用例的方法，例如时间框架平滑和聚类，以增强视频搜索性能。此外，我们通过在Amazon Sagemaker AI上使用异步和实时托管选项来演示这种方法的端到端功能，以使用拥抱面部模型中心上的公开可用的LVMS执行视频，图像和文本处理。最后，我们将Amazon OpenSearch与其矢量引擎一起用于低延迟语义视频搜索。
Run small language models cost-efficiently with AWS Graviton and Amazon SageMaker AI
在这篇文章中，我们通过将预建的容器扩展到与AWS Graviton实例兼容，演示了如何在Sagemaker AI上部署小语言模型。我们首先提供解决方案的概述，然后提供详细的实施步骤以帮助您入门。您可以在GitHub存储库中找到示例笔记本。
How climate tech startups are building foundation models with Amazon SageMaker HyperPod
在这篇文章中，我们展示了气候技术初创公司如何开发基础模型（FMS），这些模型（FMS）使用广泛的环境数据集来解决诸如碳捕获，碳阴性燃料，新的微塑料破坏和生态系统保存等问题。这些专业模型需要高级计算功能来有效地处理和分析大量数据。
Zuru与AWS生成AI创新中心合作，并使用AWS专业服务，以使用Generative AI实施更准确的文本到层次底层计划生成器。在这篇文章中，我们向您展示了为什么选择使用大语言模型（LLM）的解决方案。我们探讨了如何使用模型选择，及时的工程和微调来改善结果。
在这个专业信息提取解决方案的基础上建立了建立，并利用Sagemaker Hyperpod的功能，我们与Apoidea Group合作探索了使用大型视觉语言模型（LVLM）的使用，以进一步改善银行和财务文档上的表结构识别性能。在这篇文章中，我们介绍了使用Sagemaker Hyperpod上的Llama-Factory进行QWEN2-VL-7B教学模型进行微调的QWEN2-VL-7B教学模型的逐步代码。
Customize DeepSeek-R1 671b model using Amazon SageMaker HyperPod recipes – Part 2
在这篇文章中，我们使用食谱来微调原始的DeepSeek-R1 671b参数模型。我们通过使用Sagemaker培训工作和Sagemaker Hyperpod的逐步实施这些食谱来证明这一点。
InterVision accelerates AI development using AWS LLM League and Amazon SageMaker AI
这篇文章展示了AWS LLM League的游戏启示能力如何加速合作伙伴的实用AI开发能力，同时展示了微调较小的语言模型如何为特定行业需求提供成本效益，专业的解决方案。
How Salesforce achieves high-performance model deployment with Amazon SageMaker AI
这篇文章是Salesforce和AWS之间的共同合作，并且在Salesforce Engineering Blog和AWS机器学习博客上都在交叉发布。 Salesforce AI模型服务团队正在努力突破自然语言处理的界限和企业应用程序的AI功能。他们的关键重点领域包括优化大型[…]
Optimizing Mixtral 8x7B on Amazon SageMaker with AWS Inferentia2
这篇文章演示了如何在AWS推理的实例上部署和服务Mixtral 8x7b语言模型，以进行具有成本效益，高性能推断。我们将使用拥抱面孔的最佳神经元进行模型汇编，该神经元提供了一组工具，可直接加载，训练和推理以及文本生成推理（TGI）容器，该容器具有用于部署和服务LLMS与HOUGGingFace的工具套件。
Reduce ML training costs with Amazon SageMaker HyperPod
在这篇文章中，我们探讨了大规模边界模型培训的挑战，重点是硬件故障以及亚马逊萨吉式制造商HyperPod的好处 - 一种解决方案，可最大程度地减少干扰，提高效率并降低培训成本。
在这篇文章中，我们展示了IFOOD如何使用萨格马制造商彻底改变其ML操作。通过利用SageMaker的力量，IFOOD简化了整个ML生命周期，从模型培训到部署。这种集成不仅简化了复杂的过程，还可以自动化关键任务。
Llama 4 family of models from Meta are now available in SageMaker JumpStart
今天，我们很高兴地宣布亚马逊萨吉式制造商Jumpstart的Llama 4 Scout和MaverickModels的可用性。在这篇博客文章中，我们将带您了解如何使用SageMaker Jumpstart进行部署和提示Allama-4-Scout-17b-16e-Inscruct模型。
在这篇文章中，我向您展示了如何结合Langchain的Langgraph，Amazon Sagemaker AI和MLFlow，以演示用于开发，评估和部署复杂的Generativeai代理的强大工作流程。该集成提供了所需的工具，可以深入了解Generativeai代理的性能，快速迭代并在整个开发过程中维护版本控制。
How Lumi streamlines loan approvals with Amazon SageMaker AI
Lumi是澳大利亚领先的金融科技贷方，以快速，灵活和透明的资金解决方案赋予小型企业能力。他们使用实时数据和机器学习（ML）提供定制的贷款，以促进可持续增长并解决获得资本的挑战。这篇文章探讨了Lumi如何使用Amazon Sagemaker AI来实现此目标，增强其交易处理和分类功能，并最终通过提供更快的贷款申请，更准确的信贷决策以及改善客户体验来发展其业务。
Ray jobs on Amazon SageMaker HyperPod: scalable and resilient distributed AI
Ray是一个开源框架，使创建，部署和优化分布式Python作业变得直接。在这篇文章中，我们演示了在Sagemaker Hyperpod上运行射线作业的步骤。
