将基础模型应用于结核病筛查的最前线工作
生成式AI
-
-
在Amazon SageMaker AI上进行多轮强化学习：实用指南
在Amazon SageMaker AI上进行的多轮强化学习（MTRL）训练，是基于整个多步骤任务的结果来训练模型，而不是仅基于某些标记好的步骤来进行训练。本实践指南详细介绍了使用Wordle进行模型训练的全过程：包括如何在Amazon Bedrock AgentCore平台上部署智能体并设置奖励机制、如何准备数据集、如何进行训练以及如何在服务环境中评估模型
-
在线存储的迅速扩展，以服务超过10亿个ChatGPT用户（第二部分）
了解OpenAI是如何通过可靠的多租户架构、全球级缓存机制，以及Azure Cosmos DB等技术，将Habitat系统的性能提升12倍，从而让ChatGPT的读取速度得到显著改善。
-
使用AWS CDK来配置SageMaker AI端点的自动扩展功能
在已注册了应用程序自动扩展功能的SageMaker AI端点进行更新时，可能会导致AWS CloudFormation和AWS CDK部署失败。本文介绍了如何创建一个可复用的AWS CDK构建模块，该模块包含CloudFormation自定义资源，能够自动注销和重新注册自动扩展功能，从而可以在一次部署中同时更新端点及其扩展设置。
-
在亚马逊QuickSight的地图层中，可以使用GeoJSON来可视化各种点和路线信息。
亚马逊Quick Sight的地图层现在支持从相同的GeoJSON数据中获取点和线几何信息，因此你可以绘制商店的位置以及它们之间的路线。这篇文章介绍了所需的数据集和GeoJSON结构地图的相关细节，包括何时使用点还是线来表示数据，以及如何进行视口控制、几何信息的分层处理，以及动态更新GeoJSON数据的方法。
-
拜耳作物科学如何利用AWS统一操作平台，在Amazon Bedrock AgentCore上构建了一个智能决策引擎。
拜耳作物科学开发了Agentic Decision Engine（ADE）这一多智能体平台，该平台基于Amazon Bedrock AgentCore架构构建。通过这个平台，育种专家、分析师以及研究人员可以对其分析平台提出自然语言类型的查询问题。本文介绍了ADE的架构设计、五个关键设计决策，以及团队是如何利用AWS统一运维服务来准备该平台进行生产的。