Artificial Intelligence | 亚马逊AWS官方博客

使用 Amazon SageMaker、Amazon OpenSearch Service、Streamlit 和 LangChain 构建功能强大的问答机器人

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。

生成式 AI 对企业来说意味着什么？

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。

在 Amazon SageMaker 上使用 OpenChatkit 模型构建自定义聊天机器人应用程序

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）。

通过 Amazon SageMaker JumpStart 在基础模型中使用检索式增强生成实现问答

在这篇文章中，我们将说明 RAG 及其优势，并演示如何快速使用示例 notebook，通过 Jumpstart 在 LLM 中使用 RAG 实现来解决问答任务。

使用 Amazon SageMaker Hugging Face 估计器和模型并行库微调 GPT-J

在这篇文章中，我们将介绍使用 Amazon SageMaker 分布式模型并行库训练大型语言模型（LLM）的指南和最佳实践，以减少训练时间和成本。您将学习如何轻松地在 SageMaker 上训练 60 亿个参数的 GPT-J 模型。最后，我们将分享 SageMaker 分布式模型并行性的主要特征，这些特征有助于加快训练时间。