Automate advanced agentic RAG pipeline with Amazon SageMaker AI
在这篇文章中，我们介绍了如何简化您的破布开发生命周期从实验到自动化，从而帮助您通过Amazon Sagemaker AI来运行RAG解决方案，以帮助您的团队有效地实验，有效地协作并驱动持续改进。
TII Falcon-H1 models now available on Amazon Bedrock Marketplace and Amazon SageMaker JumpStart
我们很高兴地宣布，在亚马逊基岩市场和亚马逊萨金人的Amazon Sagemaker Jumpstart上，技术创新研究所（TII）的Falcon-H1车型的可用性。通过此次发布，开发人员和数据科学家现在可以在AWS上使用六种指令调节的Falcon-H1型号（0.5b，1.5b，1.5b，1.5b，3b，7b和34b），并可以访问一系列混合体系结构，这些模型将传统注意力机制与州空间模型（SSMS）相结合，以提供具有非精致效率的效率。
Accelerate your model training with managed tiered checkpointing on Amazon SageMaker HyperPod
AWS宣布在亚马逊Sagemaker Hyperpod中宣布了托管分层的检查点，这是一种专门建立的基础架构，可扩展和加速成千上万个AI加速器的生成AI模型开发。托管分层检查点使用CPU内存进行高性能检查点存储，并在相邻计算节点上自动数据复制，以增强可靠性。在这篇文章中，我们深入研究了这些概念，并了解如何使用托管分层检查点功能。
Announcing the new cluster creation experience for Amazon SageMaker HyperPod
借助新的群集创建体验，您可以单击一键创建SageMaker HyperPod群集，包括所需的先决条件AWS资源，并自动使用规定默认值。在这篇文章中，我们探索了亚马逊萨吉式制造商Hyperpod的新集群创建体验。
Introducing auto scaling on Amazon SageMaker HyperPod
在这篇文章中，我们宣布，亚马逊萨吉式超级平台现在支持karpenter的托管节点自动扩展，从而使SageMaker HyperPod簇的有效缩放能够满足推理和培训需求。我们深入研究Karpenter的好处，并提供有关在Sagemaker HyperPod EKS群集中启用和配置Karpenter的详细信息。
在这篇文章中，我们宣布，Inception Labs的Mercury和Mercury Coder基金会模型现在可以通过Amazon Bedrock Marketplace和Amazon Sagemaker Jumpstart获得。我们演示了如何部署这些基于超快速扩散的语言模型，这些模型可以在NVIDIA H100 GPU上每秒生成1,100个令牌，并在代码生成和工具使用方案中展示其功能。
Amazon SageMaker HyperPod enhances ML infrastructure with scalability and customizability
在这篇文章中，我们在SageMaker Hyperpod中介绍了三个功能，可提高ML基础架构的可扩展性和可定制性。连续供应提供灵活的资源供应，以帮助您更快地开始培训和部署模型，并更有效地管理群集。使用自定义AMIS，您可以将ML环境与组织安全标准和软件要求保持一致。
Fine-tune OpenAI GPT-OSS models using Amazon SageMaker HyperPod recipes
这篇文章是GPT-oss系列的第二部分，专注于Amazon Sagemaker AI的模型定制。在第1部分中，我们使用带有Sagemaker培训工作的开源拥抱面部库进行了微调的GPT-oss模型，该培训工作支持分布式的多GPU和多节点配置，因此您可以按需旋转高性能群集。在这篇文章中，[…]
Speed up delivery of ML workloads using Code Editor in Amazon SageMaker Unified Studio
在这篇文章中，我们介绍了如何在Sagemaker Unified Studio中使用新的代码编辑器和多个空格支持。示例解决方案显示了如何开发ML管道，该管道可以自动化典型的端到端ML活动以构建，训练，评估和（选择）部署ML模型。
在这篇文章中，我们回顾了P6E-GB200 Ultraservers的技术规格，讨论其性能优势，并突出关键用例。然后，我们走过如何通过灵活的培训计划购买超声处理能力，并开始使用带有Sagemaker Hyperpod的Ultraservers。
Automate AIOps with Amazon SageMaker Unified Studio projects, Part 1: Solution architecture
这篇文章介绍了建筑策略和可扩展的框架，该框架可帮助组织管理多租户环境，始终如一地自动化自动化，并嵌入治理控制，因为它们可以与Sagemaker Unified Studio扩展AI计划。
Fine-tune OpenAI GPT-OSS models on Amazon SageMaker AI using Hugging Face libraries
于2025年8月5日发布，OpenAI的GPT-Oss车型GPT-OSS-20B和GPT-OSS-1220B现在可以通过AWS通过Amazon Sagemaker AI和Amazon Bedrock在AWS上购买。在这篇文章中，我们介绍了使用SageMaker AI培训工作在完全管理的培训环境中微调GPT-oss模型的过程。
在这篇文章中，我们将使用Amazon Bedrock Data Automation和Amazon Sagemaker AI展示如何使用人类评论循环处理多页文档。
今天，我们很高兴地宣布，Mistral-Small-3.2-24B-Instruct-2506 - Mistral AI的240亿参数大语言模型（LLM），该模型（LLM）已优化，可通过Amazon Sagemaker Jumpstart和Amazon Bedrock Market Place，可用于增强跟随和减少的重复错误，并减少重复错误。亚马逊基岩市场是亚马逊基岩的一种能力，开发人员可以用来发现，测试和使用[…]
Evaluating generative AI models with Amazon Nova LLM-as-a-Judge on Amazon SageMaker AI
评估大语言模型（LLM）的性能超出了统计指标，例如困惑或双语评估研究（BLEU）得分。对于大多数真实世界的生成AI方案，重要的是要了解模型是否比基线或更早的迭代产生更好的输出。这对于诸如摘要，内容生成，[…]
组织正在采用大型语言模型（LLM），例如DeepSeek R1，以改变业务流程，增强客户体验并以前所未有的速度推动创新。但是，独立的LLM具有关键的局限性，例如幻觉，过时的知识和无法获得专有数据的访问。检索增强发电（RAG）通过将语义搜索与生成AI相结合，[…]
How Rapid7 automates vulnerability risk scores with ML pipelines using Amazon SageMaker AI
在这篇文章中，我们分享了Rapid7如何实施端到端自动化，以用于预测CVSS向量的ML模型的培训，验证和部署。 Rapid7客户拥有所需的信息，以准确了解其风险并确定补救措施。
Advanced fine-tuning methods on Amazon SageMaker AI
在AWS上微调ML模型时，您可以为您的特定需求选择合适的工具。 AWS为数据科学家，ML工程师和业务用户提供了一系列全面的工具，以实现其ML目标。 AWS建立了支持各种ML复杂性的解决方案，从简单的Sagemaker培训工作进行FM微调到萨吉马制造商Hyperpod的力量进行尖端研究。我们邀请您探索这些选项，从适合您当前需求的内容开始，并随着这些需求的变化而发展您的方法。
