Author: AWS Team

对于大数据平台的 OLAP 查询引擎来说，天下武功唯快不破，Presto 做为大数据生态的业界知名的查询引擎和平台，首当其冲承载了业务查询分析的实时响应的需求。 对于 Presto 集群而言，横向扩展，加机器资源固然可以解决绝大多数性能问题，但成本也是客户考虑的重要因素。本文详细介绍了在 Amazon EMR 上集成 Alluxio 本地缓存做为 Presto 即席查询加速的具体实现，包括 Alluxio Presto 本地缓存整体架构原理，在 Amazon EMR 上 Alluxio 缓存相关的配置及对比测试。

在这篇文章中，我们将演示如何通过将 Amazon Kendra 的功能与 LLM 相结合来实现 RAG 工作流，从而创建最先进的 GenAI 应用程序来提供有关企业内容的对话体验。

在这篇博文中，我们将展示如何在 Studio 和 SageMaker notebook 实例中开始使用 Amazon CodeGuru 安全防御工具和 CodeWhisperer。

本文是本系列的第三篇，对 RAG 场景中的知识召回展开介绍，对比和分析了向量召回和倒排召回的优劣势，并基于一些实践总结了倒排召回问题分析和优化的经验。

作为企业信息部门、技术部门、以及数据部门的领导者，面对生成式 AI，你应该思考些什么？你能做些什么准备？本文说明了几个比较主要的方向。

在这篇文章中，我们展示了如何使用 Hugging Face PEFT 和 bitsandbtyes 在 SageMaker Studio notebook 上通过 QLoRA 微调 Falcon-40B 模型。

在这篇博文中，我们展示了如何结合使用 AWS 服务、开源 LLM 和开源 Python 软件包，来创建企业级 RAG 解决方案。

尽管生成式 AI 是一项十分让人兴奋的新技术，最重要还是看你如何将这项技术和你现有的技术、员工技能、价值观、竞争力、愿景相结合。

“性能工程” （Performance engineering）是个日渐流行的概念。顾名思义“性能工程”是包含 […]

在这篇文章中，我们将展示如何使用 DJL Serving 以及 DeepSpeed 和 Hugging Face Accelerate 等开源模型并行库，在 Amazon SageMaker 上部署 OpenChatKit 模型（GPT-NeXT-Chat-Base-20B 和 GPT-JT-Moderation-6B 模型）。