Category: Artificial Intelligence

在这篇文章中，我们探讨了在面向任务的机器人中添加开放域功能的问题，该机器人会将用户请求路由到开源的大型语言模型。

亚马逊云科技和我们的合作伙伴社区将共同引导客户的业务创新和解决方案的开发，使各种规模和行业的客户都能从中受益。大型企业将使用这些工具在各种业务流程中提高效率、提升生产力和提高创新力。这些工具曾是仅限于行业领导者享有的，现在中小企业也可以用这些强大的工具来跟上创新的步伐。

本文介绍使用 Amazon Transcribe，Amazon Translate，Amazon Polly，AWS Elemental MediaConvert 等服务快速合成多语言的视频。

在这篇文章中，我们介绍了一种训练、优化和部署自定义集成的方法。我们详细介绍了使用单个训练作业训练多个模型的过程、如何使用自动模型调整来优化集成超参数，以及如何部署一个融合多个模型推理的无服务器端点。

我们展示了使用由 Streamlit、Lambda 和 API Gateway 提供支持的用户界面的图像生成示例和文本生成示例。现在，您可以在 JumpStart 中使用预训练的人工智能模型来构建生成式人工智能项目。您还可以扩展此项目，针对自己的使用案例对根基模型进行微调，并控制对 API Gateway 端点的访问。

许多公司知道他们需要人工智能，但却不知道从何入手。在这篇博文中，我将分享五项行动，帮助您超越行业术语的空谈，真正落实人工智能驱动的数字转型，重塑企业的未来。

Hugging Face 生态体系中的 Transformers 库为 state-of-the-art 预训练模型提供了非常方便的 API 和工具集，帮助用户轻松下载模型并完成训练，是工程师手边的必备神器。为了在更多加速硬件上（如亚马逊云科技的 Trainium 和 Inferentia）训练和运行 Transformers 模型，提升整体的效率，Hugging Face 推出了开源项目 Optimum 对其进行扩展，它提供了一套性能优化工具，可以最大效率地在目标硬件上训练和运行模型。

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。