Level up your problem-solving and strategic thinking skills with Amazon Bedrock
在这篇文章中，我们展示了Anthropic的Claude 3.5十四行诗如何用于各种与业务相关的认知任务，例如解决问题，批判性思维和念头，以帮助增强人类思维并改善知识工作者之间的决策，以加快创新。
Optimizing AI implementation costs with Automat-it
在这篇来宾帖子中，我们解释了AWS合作伙伴如何帮助其客户实现超过十二倍的成本节省，同时将AI模型的性能保持在所需的性能阈值范围内。这是通过仔细调整体系结构，算法选择和基础架构管理来实现的。
The end of an era: the final AWS DeepRacer League Championship at re:Invent 2024
AWS Deepracer League是世界上第一个由机器学习（ML）提供支持的全球自主赛车联盟。在过去的六年中，来自全球150多个国家 /地区的56万多个建筑商的多元化社区参加了联盟，通过友好的自主赛车的乐趣来学习ML基础知识。经过8个月的指甲虚拟预选赛8个月后，决赛入围者在RE：在拉斯维加斯的Invent召开的决赛中，参加了一次最后的摊牌，以竞争高风险的奖品和荣耀，获胜者赢得了AWS AWS Deepracer Deepracer League Championship。
AWS DeepRacer: Closing time at AWS re:Invent 2024 –How did that physical racing go?
在AWS Deepracer中：如何掌握物理赛车？上一篇文章是开放式的 - 剩下最后一个冠军决赛，现在分享我所有的秘密还为时过早。现在，AWS RE：Invent已经结束了，现在该分享我的策略，我的准备方式以及最终的发展。
How Pattern PXM’s Content Brief is driving conversion on ecommerce marketplaces using AI
模式是电子商务加速的领导者，可以帮助品牌在市场上销售的复杂性，并通过专有技术和需求专业知识的结合来实现盈利的增长。在这篇文章中，我们分享了模式如何使用AWS服务来处理数万亿个数据点以提供可行的见解，从而优化了跨多个服务的产品清单。
在Byedance上，我们与Amazon Web Services（AWS）合作部署了多模式大语言模型（LLMS），以在世界各地的多个AWS地区使用AWS推理AWS来理解视频理解。通过使用复杂的ML算法，该平台每天有效地扫描数十亿个视频。在这篇文章中，我们讨论了多模式LLM的使用用于视频理解，解决方案体系结构以及性能优化的技术。
Accelerate IaC troubleshooting with Amazon Bedrock Agents
这篇文章演示了亚马逊基岩代理如何结合行动组和生成AI模型，简化和加速地Terraform错误的分辨率，同时保持符合环境安全和操作指南。
在这篇文章中，我们展示了如何使用自定义数据源连接器将Alation的业务策略与Amazon Q Business应用程序集成的示例。
我们很高兴地宣布，Mistral-Small-24B-Instruct-2501-来自Mistral AI的240亿个参数大语言模型（LLM），可针对低延迟文本生成任务进行优化 - 可以通过Amazon Sagemaker Jumpstartand Jumpstartand Amazon Bedrock Marketplace提供客户。在这篇文章中，我们介绍如何发现，部署和使用Mistral-Small-24B-Instruct-2501。
How Rocket Companies modernized their data science solution on AWS
在这篇文章中，我们分享了如何在AWS上进行现代化的火箭公司的数据科学解决方案，以将交付速度从八周提高到一小时以下，通过在18个月内减少事件票来提高运营稳定和支持。 ，每天做出1000万个自动数据科学和人工智能决策，并提供无缝的数据科学开发经验。
Orchestrate an intelligent document processing workflow using tools in Amazon Bedrock
这种智能文档处理解决方案使用Amazon Bedrock FMS来协调一个复杂的工作流程，以处理具有混合内容类型的多页医疗保健文档。该解决方案使用FM的工具使用功能，该功能通过亚马逊基岩匡威API访问。这使FMS不仅可以处理文本，还可以积极地使用各种外部工具和API来执行复杂的文档分析任务。
在这篇文章中，我们将连续的自我实施微型调整框架作为DSPY框架实现的复合AI系统。该框架首先从域知识库中生成一个综合数据集，并为自我建筑生成文档，然后通过SFT驱动模型进行微调，并介绍了人类的工作流程，以将人类和AI的反馈收集到模型响应中，它用于通过增强学习（RLHF/RLAIF）来对齐人类偏好来进一步提高模型性能。
Verisk的高级审计咨询服务是高级审计师和承销商的技术信息和培训的主要来源。在这篇文章中，我们描述了PAAS中客户支持过程的开发，并结合了生成AI，数据，体系结构和结果评估。会话AI助手正在迅速改变客户和员工的支持。
Best practices for Amazon SageMaker HyperPod task governance
在这篇文章中，我们提供了最佳实践，以最大程度地提高SageMaker HyperPod任务治理的价值，并使管理和数据科学体验无缝。在管理和运行生成的AI开发任务时，我们还讨论了共同的治理方案。
How Formula 1® uses generative AI to accelerate race-day issue resolution
在这篇文章中，我们解释了F1和AWS如何开发由亚马逊基岩提供动力的根本原因分析（RCA）助理，以减少手动干预并加速在几周到几分钟内的比赛中分辨出复发性的操作问题。 RCA助理使F1团队能够花更多的时间在创新上并改善其服务，最终为粉丝和合作伙伴提供了非凡的体验。 F1和AWS之间的成功合作展示了生成AI在赋予团队能力以更少的时间内完成的变革潜力。
Build a dynamic, role-based AI agent using Amazon Bedrock inline agents
在这篇文章中，我们探讨了如何使用Amazon Bedrock Inline Agents构建应用程序，并演示了单个AI助手如何根据用户角色动态调整其功能。
Use language embeddings for zero-shot classification and semantic search with Amazon Bedrock
在这篇文章中，我们探讨了哪些语言嵌入方式以及如何使用它们来增强您的应用程序。我们展示了如何通过使用嵌入式的属性来实现实时零击分类器，并可以添加强大的功能，例如语义搜索。
