Category: Generative AI

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。

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。

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）。

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。