亚马逊AWS官方博客

背景 随着生成式 AI 技术的快速发展，大语言模型（LLM）在各个领域的应用日益广泛。然而，如何有效评估这些模 […]

本文介绍了大语言模型微调的关键步骤和注意事项。首先需要选择合适的模型微调框架，比如目前较受欢迎的 LLaMA-Factory，然后选择微调方法，包括全参数微调、PEFT、LoRA 等，微调过程中需要权衡计算资源和期望性能，接下来估算所需算力，模型参数越大微调方法越复杂，所需算力就越高。

本文将深入探讨大模型微调的常见场景，并详细阐述从数据准备到模型微调的流程。

随着人工智能技术的快速发展，语音识别和处理技术在各个领域的应用日益广泛。本文将介绍如何利用 AWS 的云服务平台，结合开源的 Whisper 模型，构建一个高效、可扩展的语音识别系统。特别地，我们将以《水浒传》这部中国古典文学作品中的人物对话识别为具体案例，展示如何通过模型微调来提高特定领域的识别准确率，并通过 Amazon SageMaker 实现模型的高效部署。

咖咪咔嘶是一家成立于 2022 年的 AIGC 科技企业，专注于 AI 视觉和影视制作。企业引入 Amazon Nova 模型后，数字人交互提速 129%。

本文主要介绍在面临多办公点、数据中心、云端资源时，如何有效地利用 RouterOS 以及 AWS 的网络服务打造全球办公网络。

在这篇文章中，我们向您介绍了如何通过 CloudFormation 批量创建 CloudWatch 告警的思路和示例代码。此解决方案应该能够满足批量创建 CloudWatch 告警的基础需求。您还可以在示例代码的基础上进行开发以满足自定义需求。

在当今数字化时代，物联网（IoT）设备的普及使得数据的产生与处理变得愈加复杂。我们正在运营一个全球服务的 IoT 数据平台，面临着众多挑战。在这个平台上，数百万设备持续不断地上报数据，写入并发量高达 12,000 次每秒。为了满足实时读取的需求，我们希望保持与本地 HDFS 性能一致，同时分时任务能够异步返回。

业务发展过程中会积累大量的系统和数据，集成这些系统和数据能产生新的业务价值。本文将利用 AWS Step Functions 平台，整合企业现有系统能力，快速实现个性化邮件触达。

本链接内容将持续更新。最近更新时间：2024年12月13日。 Amazon CloudFront 部署小指南（ […]