传统的预测方法通常依赖于统计建模，但Chronos将时间序列数据视为要建模的语言，并使用预训练的FM来生成预测，类似于大型语言模型（LLMS）的生成文本。与传统方法相比，计时可帮助您更快地实现准确的预测，从而大大减少开发时间。在这篇文章中，我们分享了Deutsche Bahn如何使用Chronos模型重新定义预测，并提供了一个示例用例，以说明如何使用Chronos开始使用。
Build a gen AI–powered financial assistant with Amazon Bedrock multi-agent collaboration
这篇文章探讨了专门从事三个关键任务的财务助理系统：投资组合创建，公司研究和沟通。这篇文章旨在说明在亚马逊基地多代理协作能力中使用多个专业代理商的使用，并特别强调了他们在财务分析中的应用。
在这篇文章中，我们展示了如何使用Amazon Q业务与JIRA Integration创建应用程序，该应用程序使用包含可信赖顾问详细报告的数据集。该解决方案演示了如何使用Amazon Q业务（例如Amazon Q Business）的新生成AI服务来更快地获得数据见解并使其可行。
Automate document translation and standardization with Amazon Bedrock and Amazon Translate
在这篇文章中，我们展示了如何通过使用Amazon Web Services（AWS）翻译文档来自动化语言本地化。该解决方案将Amazon Bedrock和AWS无服务器技术组合在一起，这是一套全面管理的事件驱动的服务，用于运行代码，管理数据和集成应用程序，而无需管理服务器。
Autonomous mortgage processing using Amazon Bedrock Data Automation and Amazon Bedrock Agents
在这篇文章中，我们引入了代理自动抵押贷款批准，这是一种下一代样本解决方案，使用由亚马逊基岩代理和亚马逊基岩数据自动化提供动力的自主AI代理。这些代理商策划了整个抵押贷款批准过程 - 努力验证文件，评估风险并以最少的人为干预做出数据驱动的决策。
Build public-facing generative AI applications using Amazon Q Business for anonymous users
今天，我们很高兴地宣布，Amazon Q业务现在支持匿名用户访问。借助此新功能，您现在可以使用匿名用户模式创建Amazon Q Business应用程序，其中不需要用户身份验证，并且可以公开访问内容。在这篇文章中，我们演示了如何使用Amazon Q业务为匿名用户构建面向公共的生成AI应用程序。
在这篇文章中，我们分享了Floqast在Amazon Bedrock上使用Anthropic的Claude 3构建了AI驱动的会计交易解决方案。
Insights in implementing production-ready solutions with generative AI
随着生成性AI的革新行业，组织渴望利用其潜力。但是，从生产就绪的解决方案到全尺度实施的旅程可以提出不同的运营和技术考虑因素。这篇文章探讨了从欧洲，中东和非洲（EMEA）的AWS客户中学到的主要见解和经验教训，他们成功地导航了这一过渡，为其他希望效仿的人提供了路线图。
Responsible AI in action: How Data Reply red teaming supports generative AI safety on AWS
在这篇文章中，我们探讨了如何将AWS服务与开源工具无缝集成，以帮助您在组织内建立强大的红色小组机制。具体来说，我们讨论了数据回复的红色团队解决方案，这是一种综合蓝图，以提高AI安全性和负责任的AI实践。
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。
Improve Amazon Nova migration performance with data-aware prompt optimization
在这篇文章中，我们提出了LLM迁移范式和体系结构，包括连续的模型评估过程，使用Amazon Bedrock及时生成，以及数据吸引的优化。该解决方案在迁移之前评估模型性能，并使用用户提供的数据集和目标指标迭代优化Amazon Nova模型提示。
Evaluate Amazon Bedrock Agents with Ragas and LLM-as-a-judge
在这篇文章中，我们介绍了开源基础代理评估框架，这是一种简化代理开发过程的Langfuse集成解决方案。我们证明了如何将该评估框架与药品研究代理集成。我们用它来评估针对生物标志物问题的代理性能，并将痕迹发送到langfuse，以查看问题类型的评估指标。
AFX团队的产品迁移到Nova Lite模型已通过增强销售工作流提供了切实的企业价值。通过迁移到亚马逊Nova Lite模型，该团队不仅可以节省大量成本并减少了延迟，而且还为卖家提供了领先的智能和可靠解决方案。
在这篇文章中，我们将使用OpenSearch Service构建混合搜索解决方案，该服务由亚马逊泰坦多模式多模式嵌入G1模型通过Amazon Bedrock提供的多模式嵌入。该解决方案演示了如何使用户提交文本和图像作为查询，以从示例零售图像数据集中检索相关结果。
Supercharge your LLM performance with Amazon SageMaker Large Model Inference container v15
今天，我们很高兴地宣布，由VLLM 0.8.4驱动的Amazon Sagemaker大型推理（LMI）容器V15的推出，并支持VLLM V1发动机。该版本引入了显着的性能提高，扩展的模型兼容性与多模态（即能够理解和分析文本到文本，图像到文本和文本映射数据），并与VLLM提供内置的集成，以帮助您无人接缝和最高绩效的大型性能（LLMS）具有最高的性能。
Accuracy evaluation framework for Amazon Q Business – Part 2
在本系列的第一篇文章中，我们引入了Amazon Q Business的全面评估框架，Amazon Q Business是一个完全管理的检索增强发电（RAG）解决方案，该解决方案使用了您公司的专有数据，而没有管理大型语言模型（LLMS）的复杂性。第一篇文章着重于选择适当的用例，准备数据并实施指标[…]
Use Amazon Bedrock Intelligent Prompt Routing for cost and latency benefits
今天，我们很高兴地宣布亚马逊基岩智能及时路由的一般可用性。在这篇博客文章中，我们详细介绍了内部测试的各种亮点，如何开始，并指出一些警告和最佳实践。我们鼓励您将Amazon Bedrock智能及时路由纳入您的新的和现有的生成AI应用程序中。
