不问关键词检索结果

维护者在 Best by Test 竞赛中证明已做好准备

Maintainers Prove Readiness During Best by Test Competition

德国格拉芬沃尔 - 第 41 野战炮兵旅的维护人员将他们的技术专长、耐力和战术熟练度投入到测试中...

ID-WH 领导人庆祝斯图尔特堡取得的成就并展望未来

ID-WH leaders celebrate Fort Stewart achievements and look toward future

佐治亚州斯图尔特堡 - 美国陆军设施管理指挥部 - 西半球指挥团队认可的个人和组织杰出...

第五军司令访问罗马尼亚深化战略伙伴关系

V Corps commander visits Romania to deepen strategic partnership

美国陆军第五军团司令查尔斯·科斯坦萨中将于 2 月 10 日结束了对罗马尼亚为期两天的访问,并会见了主要军事领导人...

阿拉巴马州国民警卫队领导人参观欧洲第214宪兵连

Alabama National Guard leaders visit the 214th Military Police Company in Europe

波兰 KOSZIUSZKO 营地 — 美国陆军阿拉巴马州国民警卫队准将。迈克尔·伊佐将军,战士特遣队指挥官,指挥中士。约翰·罗伯特·E 少校...

打造东侧威慑防线:第五军如何构建 21 世纪防御

Forging the Eastern Flank Deterrence Line: How V Corps Is Building a 21st Century Defense

肯塔基州诺克斯堡 — 欧洲的安全格局发生了巨大变化,迫使北约重新评估如何在一个由……定义的时代威慑同等对手。

雷霆行动加强了拉脱维亚的跨国互操作性

Operation Striking Thunder strengthens multinational interoperability in Latvia

拉脱维亚阿达齐——“雷霆行动”汇集了来自瑞典、西班牙、拉脱维亚、加拿大和美国的部队,进行多国训练...

第8骑兵团士兵进行“战马涌动”演习

8th Cavalry Regiment Soldiers conduct exercise Operation Warhorse Surge

波兰贝莫沃皮斯基训练区 — 分配到第 8 骑兵团第 3 营的美国士兵进行排级骑马和徒步实况直播...

陆军人工智能原型可加快采购速度,实现更快的能力交付

Army AI prototypes speed up acquisition, enable faster capability delivery

快速获得士兵所需能力的能力至关重要。陆军正在试验的新的人工智能工具旨在加快采办过程。

科珀斯克里斯蒂陆军基地推出首个有机复合材料叶片修复计划

Corpus Christi Army Depot Launches First Organic Composite Blade Repair Program

凯瑟琳“凯特”佩塔韦-克拉克的故事得克萨斯州科珀斯克里斯蒂陆军基地 - 陆军黑鹰直升机的持久机队确保了连续工作...

第 12 CAB 通过北约训练增强杀伤力

12th CAB sharpens lethality through NATO training

德国安斯巴赫 – 对于第 12 战斗航空旅来说,训练不仅仅是记录飞行时间。该旅的战略优势在于……

使用视觉语言模型扩展数据注释来为物理 AI 系统提供支持

Scaling data annotation using vision-language models to power physical AI systems

在这篇文章中,我们研究了 Bedrock Robotics 如何应对这一挑战。通过加入 AWS 物理 AI 奖学金,该初创公司与 AWS 生成 AI 创新中心合作,应用视觉语言模型来分析施工视频片段、提取操作细节并大规模生成标记的训练数据集,以改进自主施工设备的数据准备。

Amazon Quick 现在支持对 Snowflake 数据源进行密钥对身份验证

Amazon Quick now supports key pair authentication to Snowflake data source

在本博文中,我们将指导您通过安全密钥对身份验证在 Amazon Quick Sight 和 Snowflake 之间建立数据源连接。

评估人工智能代理:在亚马逊构建代理系统的真实经验教训

Evaluating AI agents: Real-world lessons from building agentic systems at Amazon

在这篇文章中,我们提出了一个针对 Amazon 代理 AI 系统的综合评估框架,该框架通过两个核心组件解决了 Amazon 代理 AI 应用程序的复杂性:一个通用评估工作流程,用于标准化不同代理实施中的评估程序;以及一个代理评估库,该库在 Amazon Bedrock AgentCore 评估中提供系统测量和指标,以及 Amazon 使用案例特定的评估方法和指标。

Amazon SageMaker AI 2025 年回顾,第 2 部分:提高 SageMaker AI 模型自定义和托管的可观测性并增强功能

Amazon SageMaker AI in 2025, a year in review part 2: Improved observability and enhanced features for SageMaker AI model customization and hosting

2025 年,Amazon SageMaker AI 进行了多项改进,旨在帮助您训练、调整和托管生成型 AI 工作负载。在本系列的第 1 部分中,我们讨论了灵活的培训计划和对推理组件的性价比改进。在这篇文章中,我们讨论可观察性、模型定制和模型托管方面的增强功能。这些改进有助于在 SageMaker AI 上托管全新类别的客户用例。

使用 Amazon SageMaker HyperPod 加速 Hexagon 的 AI 模型生产

Accelerating AI model production at Hexagon with Amazon SageMaker HyperPod

在这篇博文中,我们演示了 Hexagon 如何与 Amazon Web Services 合作,通过使用 Amazon SageMaker HyperPod 的模型训练基础设施预训练最先进的分割模型来扩展其 AI 模型生产。

Sonrai 如何使用 Amazon SageMaker AI 加速精准医学试验

How Sonrai uses Amazon SageMaker AI to accelerate precision medicine trials

在这篇文章中,我们探讨了生命科学 AI 公司 Sonrai 如何与 AWS 合作,使用 Amazon SageMaker AI 构建强大的 MLOps 框架,以应对这些挑战,同时保持受监管环境中所需的可追溯性和可重复性。

使用 Amazon Bedrock AgentCore 构建统一智能

Build unified intelligence with Amazon Bedrock AgentCore

在这篇文章中,我们将演示如何通过客户代理和知识引擎 (CAKE) 的实际实施,使用 Amazon Bedrock AgentCore 构建统一智能系统。

使用 Union.ai 和 Flyte 在 Amazon EKS 上构建 AI 工作流程

Build AI workflows on Amazon EKS with Union.ai and Flyte

在这篇文章中,我们将解释如何使用 Flyte Python SDK 来编排和扩展 AI/ML 工作流程。我们探索 Union.ai 2.0 系统如何在 Amazon Elastic Kubernetes Service (Amazon EKS) 上部署 Flyte,并与 Amazon Simple Storage Service (Amazon S3)、Amazon Aurora、AWS Identity and Access Management (IAM) 和 Amazon CloudWatch 等 AWS 服务无缝集成。我们使用新的 Amazon S3 Vectors 服务通过 AI 工