How Automated Reasoning checks in Amazon Bedrock transform generative AI compliance
在这篇文章中，您将了解为什么概率 AI 验证在受监管行业中存在不足，以及自动推理检查如何使用形式验证来提供经过数学验证的结果。您还将看到六个行业的客户如何使用该技术来生成经过正式验证、可审计的人工智能输出，以及如何开始。
Create rich, custom tooltips in Amazon Quick Sight
今天，我们在 Amazon Quick Sight 中推出工作表工具提示。仪表板作者现在可以使用自由格式布局表设计自定义工具提示布局。这些布局将图表、关键绩效指标 (KPI) 指标、文本和其他视觉效果组合到单个工具提示中，当读者将鼠标悬停在数据点上时，该工具提示会动态呈现。
Accelerating decode-heavy LLM inference with speculative decoding on AWS Trainium and vLLM
在本文中，您将了解推测性解码的工作原理以及它为何有助于降低 AWS Trainium2 上每个生成令牌的成本。
Rede Mater Dei de Saúde: Monitoring AI agents in the revenue cycle with Amazon Bedrock AgentCore
这篇文章由 Rede Mater Dei de Saúde 的 Renata Salvador Grande、Gabriel Bueno 和 Paulo Laurentys 共同撰写。多智能体人工智能系统的日益普及正在重新定义医疗保健领域的关键操作。在大型医院网络中，成千上万的决策直接影响现金流、服务交付时间和索赔被拒绝的风险，[...]
Navigating the generative AI journey: The Path-to-Value framework from AWS
在这篇文章中，我们介绍了生成式 AI 价值路径 (P2V) 框架，这是一种结构化方法，可帮助您将生成式 AI 计划从概念转向生产并持续创造价值。
Use-case based deployments on SageMaker JumpStart
我们很高兴地宣布推出 Amazon SageMaker JumpStart 优化部署。 SageMaker JumpStart 改进的部署通过提供专为特定用例设计的预定义部署配置，满足了 SageMaker JumpStart 上丰富且简单的部署自定义的需求。客户对其建议部署的细节保持相同级别的可见性，但现在部署针对其特定用例和性能限制进行了优化。
Best practices to run inference on Amazon SageMaker HyperPod
本文探讨了 Amazon SageMaker HyperPod 如何为推理工作负载提供全面的解决方案。我们将引导您了解该平台的动态扩展、简化部署和智能资源管理的关键功能。在本文结束时，您将了解如何使用 HyperPod 自动化基础设施、成本优化功能和性能增强功能将总拥有成本降低高达 40%，同时加速从概念到生产的生成式 AI 部署。
How Guidesly built AI-generated trip reports for outdoor guides on AWS
在这篇文章中，我们将介绍 Guidesly 如何使用 AWS Lambda、AWS Step Functions、Amazon Simple Storage Service (Amazon S3)、Amazon Relational Database Service (Amazon RDS)、Amazon SageMaker AI 和 Amazon Bedrock 在 AWS 上构建 Jack AI，以提取旅行媒体、通过上下文丰富其内容、应用计算机视觉和生成式 AI，并跨多个渠道安全、可靠且大规模地发布营销就绪内容。
Understanding Amazon Bedrock model lifecycle
本文向您展示如何在 Amazon Bedrock 中管理 FM 转换，以便您可以确保您的 AI 应用程序随着模型的发展保持运行。我们讨论了三种生命周期状态、如何使用新的扩展访问功能来规划迁移，以及在不中断的情况下将应用程序迁移到新模型的实用策略。
The future of managing agents at scale: AWS Agent Registry now in preview
今天，我们宣布在 AgentCore 中推出 AWS Agent Registry（预览版），这是一个在整个企业中发现、共享和重用 AI 代理、工具和代理技能的地方。
Human-in-the-loop constructs for agentic workflows in healthcare and life sciences
在医疗保健和生命科学领域，人工智能代理帮助组织处理临床数据、提交监管文件、自动化医疗编码并加速药物开发和商业化。然而，医疗保健数据的敏感性和良好实践 (GxP) 合规性等监管要求需要在关键决策点进行人工监督。这就是人机交互 (HITL) 结构变得至关重要的地方。在本文中，您将学习使用 AWS 服务实施人机交互构造的四种实用方法。
Manage AI costs with Amazon Bedrock Projects
借助 Amazon Bedrock Projects，您可以将推理成本归因于特定工作负载，并在 AWS Cost Explorer 和 AWS Data Exports 中对其进行分析。在这篇文章中，您将学习如何端到端地设置项目，从设计标记策略到分析成本。
Text-to-SQL solution powered by Amazon Bedrock
在这篇文章中，我们向您展示如何使用 Amazon Bedrock 构建自然的文本到 SQL 解决方案，将业务问题转换为数据库查询并返回可操作的答案。
Building Intelligent Search with Amazon Bedrock and Amazon OpenSearch for hybrid RAG solutions
在这篇文章中，我们展示了如何使用 Amazon Bedrock、Amazon Bedrock AgentCore、Strands Agents 和 Amazon OpenSearch 实现生成式 AI 代理助手，该助手同时使用语义和基于文本的搜索。
这篇博文展示了 Windward 如何通过将地理空间智能与生成式 AI 相结合来帮助增强和加速警报调查流程，使分析师能够专注于决策而不是数据收集。
Connecting MCP servers to Amazon Bedrock AgentCore Gateway using Authorization Code flow
Amazon Bedrock AgentCore Gateway 提供了一个集中层，用于管理 AI 代理如何连接到组织中的工具和 MCP 服务器。在本文中，我们将介绍如何配置 AgentCore Gateway 以使用授权代码流连接到受 OAuth 保护的 MCP 服务器。
Simulate realistic users to evaluate multi-turn AI agents in Strands Evals
在这篇文章中，我们将探讨 Strands评估 SDK 中的 ActorSimulator 如何通过集成到评估管道中的结构化用户模拟来应对挑战。
本文介绍了 TGS 如何使用 Amazon SageMaker HyperPod 实现分布式训练的近线性扩展以及基于 Vision Transformer 的 SFM 的扩展上下文窗口。该联合解决方案将训练时间从 6 个月缩短至仅 5 天，同时能够分析比以前更大的地震体积。
