Author: AWS Team

本文分析模型并行库 SMPv2，其结合了PyTorch HSDP 和 Nvidia Transformer Engine，实现了基于张量并行的大型模型训练。SMPv2 在 SageMaker 体系上简化了繁琐的训练初始化配置，并支持与 PyTorch FSDP 的无缝集成，极大降低了开发复杂性。通过配置层次化分片、张量并行度等参数，SMPv2 可以在 Amazon P5 等高性能实例上实现高效的集群扩展性能，同时有效降低显存消耗，支持高效的大型基础模型训练。

本文主要介绍 Amazon ElastiCache Redis 数据库连接池优化技巧，通过使用 Redisso […]

在全球化的商业环境中，高质量的专业翻译对于企业出海和行业交流至关重要。然而，专业领域的翻译往往面临着术语精确性、行业特定风格表达和文化适应性等多重挑战。 本文将探讨如何利用开源大语言模型的微调技术来解决这些挑战。通过针对性的微调训练，我们可以显著提升模型在特定行业翻译任务中的表现。

自动化账户创建的逻辑、前端集成以及账户创建后的自动化检查流程。

满足网络安全法，构建经济灵活的 RDS MySQL 审计日志系统

本文是《亚马逊云科技等保基础服务篇：亚马逊云科技管理控制台自查和加固指南》系列第一篇文章。我们将探讨在不同亚马逊云科技控制台登录的场景下，客户对亚马逊云科技控制台的不同安全责任差异。只有明确责任，才能对亚马逊云科技控制台进行准确的评估和保护。

随着企业数字化转型的加速，越来越多的企业上线了新的财务、供应链和销售管理系统。为了确保全球员工能够熟练掌握并高效使用这些新系统，企业通常会组织全面的线上培训。然而，随着培训规模的扩大和员工数量的增加，企业面临着诸多挑战。特别是在全球范围内，培训经理无法做到 24 小时不间断地为员工提供支持，导致问题解决的速度慢，影响了员工的学习效率。在这种背景下，企业迫切需要一种能够高效支持全球员工系统使用问题的解决方案，帮助他们快速定位并解决问题，同时评估培训效果，确保培训的有效性。

本文聚焦在 IdC 如何和 AWS 托管的 AI 服务 SageMaker Studio 和 Amazon Q Business 的 APP 完成集成，方便企业内部用户安全快捷地使用这些托管 AI 服务，构建自己的 Gen AI应用。

一、概述 虽然 AWS DynamoDB 提供了高性能、可扩展的 NoSQL 解决方案，但在某些业务场景下存在 […]

在当今人工智能技术迅猛发展的背景下，大型语言模型（Large Language Models, LLMs）已成为推动各类应用创新的重要驱动力。随着模型的复杂性和应用场景的多样化，如何高效地进行模型微调和部署，成为了开发者和研究人员面临的关键挑战。为此，结合 Amazon SageMaker 与 LLaMA-Factory 构建的一站式无代码模型微调部署平台应运而生。