Category: Artificial Intelligence

图像融合技术广泛应用于多个行业，如电商营销素材和广告创意等领域。其目标是将前景插入到背景图像中，通过解决外观、几何和语义上的不一致性，实现逼真和谐的合成图像。生成式人工智能技术在为商品生成背景时，常常会对商品整体进行修改，导致出现“货不对版”的问题。为控制这一问题，我们推荐一款卓越的图片融合工具库 Libcom（the library of image composition）。

GenAI Bedrock Builder 是基于 Amazon Bedrock 服务开发的生成式 AI 解决方案，可以帮助快速自建无服务的生成式 AI 解决方案，并应用到业务生产应用中。

基于 Amazon Rekognition Face Liveness 打造创新的 KYC（电子身份认证）解决方案

 在 2023 年的 AWS re:Invent 期间，我们宣布 Amazon Bedrock 知识库正式上 […]

本文介绍了如何使用亚马逊云科技的 Trainium 芯片对 Llama 2 大型语言模型进行继续预训练。通过与亚马逊云科技合作，通联数据在自有数据上对 Llama2 进行了预训练，取得了良好效果。本文详细描述了使用 AWS ParallelCluster 集群进行训练的步骤，包括集群准备、模型转换、数据处理、训练脚本修改和任务提交等。同时，提供了训练过程中可能遇到问题的定位方法。

我们 【基于大语言模型知识问答应用落地实践】 系列博客前 4 篇已经介绍了知识库构建和召回调优方面的实践经验，随着 RAG 项目的逐渐丰富和成熟，越来越多的工作会深入到各种细节的打磨，例如 Prompt 模板调优，更换更新的模型，各类阈值或者参数的调整等。 本篇将介绍如何用 TruLens 框架，一种简单的，系统化的方法来评估 LLM 应用的衡量性能和质量指标，做自动化 RAG 项目评估测试，以及跟踪每次迭代后指标的改善情况。

远光 84 项目组以开放的胸怀拥抱 GenAI，采用小步快跑的方式，在多个业务场景中，通过 Amazon Bedrock + Claude2 的方案，快速验证并落地多个 GenAI 应用，积累丰富经验。

生成式人工智能的诞生使种种变革成为可能，我们的工作、生活和与世界互动的方式也可能由此受益。但是，这项技术如此强大，我们必须认识到随之而来的责任。 这段时间，从我与高管们的交谈中，我发现他们都意识到了，人们对可以开始使用人工智能这件事热情高涨，而对于生成式人工智能的出现则更是激动不已。但是高管们经常会问：“我怎样才能以安全负责的方式实施该技术，为我的客户提供出色体验？” 这是一个重要的问题，尤其是我们现在已经看到了生成式人工智能所带来的新挑战。

本文将介绍如何使用亚马逊云科技的大语言模型服务 Amazon Bedrock 以及 RAG（Retrieval Augmented Generation），实现 Text2SQL 功能，以此为基础构建基于大语言模型（LLM）的行业数据查询助手，达到使用自然语言询问直接获取数据分析结果的目的。

在这篇文章中，我们结合一个场景，简单地讲解 LLM 的原理，LLM RAG 对话机器人以及 Text2SQL 的实现方式。