标签

机器学习

用 Amazon Bedrock AgentCore 搭一个农机维修 AI 助手

来源: aws.amazon.com 31
田间地头,拖拉机突然熄火,农民翻遍手册也找不到故障原因——这种场景比我们想象的更常见。设备维修的痛点一直很明确:技术文档分散、专业术语晦涩、现场人员经验参差不齐。Amazon Bedrock AgentCore 的出现,让"对着机器说句话就能定位问题"这件事变得可落地了。 这篇文章拆解一个完整方案:用 AgentCore Runtime + Stran...

用 SageMaker AI 搭 NVIDIA Isaac Lab,给 Unitree H1 人形机器人练强化学习策略

来源: aws.amazon.com 34
人形机器人的强化学习(RL)训练瓶颈不在算法,而在算力——一次策略迭代需要数百万步仿真,单机 GPU 根本撑不住。NVIDIA Isaac Lab 提供高并行仿真环境,Amazon SageMaker AI 则给出两种弹性算力方案:Training Jobs 按次启动、HyperPod 长驻集群。把两者拼起来,H1 人形机器人的策略训练就能从"实验室跑...

免手操理赔报案:用 Strands Agents 与 Bedrock AgentCore Browser Tool 搭建智能 FNOL 流程

来源: aws.amazon.com 44
保险理赔的第一报案(FNOL,First Notice of Loss)是整个理赔链条的起点,也是最耗人力的环节之一。报案员需要一边听客户描述事故,一边在多个门户系统中录入信息、查询保单、校验字段——手眼并用,重复劳动密集。AWS 最近展示了一种新思路:用 Strands Agents SDK 做领域推理,用 Amazon Bedrock AgentC...

用 Amazon Q + New Relic MCP 搭建值班事故分拣 Agent

来源: aws.amazon.com 42
凌晨两点,PagerDuty 响了。你爬起来打开 New Relic 看仪表盘、翻日志、查部署记录、在 Slack 里同步进展、最后还要在 Asana 里建任务留档——整套流程走完,半小时过去了,其中大部分时间花在"找信息"而不是"做判断"上。 Amazon Q 的 Agent 能力加上 New Relic 的 MCP Server,可以把这套"人肉串...

在 SageMaker JumpStart 上部署 NVIDIA Nemotron 3 Ultra:更快推理、更低成本的 Agentic AI 实践

来源: aws.amazon.com 73
NVIDIA Nemotron 3 Ultra 正式登陆 Amazon SageMaker JumpStart。对于正在构建 Agentic AI 工作流的团队来说,这个消息值得关注:官方数据显示,该模型在推理任务上可实现约 5 倍加速、成本降低约 30%。这意味着原本需要多轮调用、链式推理的 Agent 场景,有了更经济的模型选择。 Nemotron...

用三层架构在 Bedrock 上搭建自驱式 AI 运维告警系统

来源: aws.amazon.com 37
大规模运行 Bedrock 上的生成式 AI 应用时,运维团队很快会遇到一个棘手问题:告警太多、阈值太死、工单重复创建,SRE 散落在各处的通知缺乏上下文。Amazon Bedrock Ops Alert 正是为了解决这些痛点而设计的三层自动化监控方案——它不只是"检测→通知"的流水线,而是把阈值自适应、告警分类、工单去重和上下文推送串成一条自驱闭环。...

在 SageMaker JumpStart 上部署 Fundamental NEXUS 大表格模型,跑通企业数据预测

来源: aws.amazon.com 46
表格数据是企业里最常见的数据形态——客户画像、交易流水、设备日志,几乎都落在结构化表格里。传统做法是逐任务训练 XGBoost 或 LightGBM,每个模型只管一个场景,换个任务就要重新调参。Fundamental 推出的 NEXUS(Large Tabular Model)试图用"预训练 + 微调"的范式把表格数据也拉进大模型路线:先在海量表格数据...

用 SOCI 索引加速深度学习容器冷启动:DLAMI 与 DLC 实战指南

来源: aws.amazon.com 48
深度学习容器动辄数 GB,拉取镜像往往成为冷启动的瓶颈。AWS 推出的 SOCI(Seekable OCI)通过"懒加载"让容器不必等整个镜像下载完就能启动——镜像层按需拉取,启动后再后台补齐剩余数据。这篇文章聚焦如何在公开的 Deep Learning AMI(DLAMI)和 Deep Learning Containers(DLC)上使用 SOCI...

用 SFT + DPO 双阶段训练,让小模型的工具调用不再"胡说八道"

来源: aws.amazon.com 48
大模型做 Agent 时,最让人头疼的不是推理能力不够,而是工具调用不准——该调 API 时不调,不该调时瞎调,参数拼错、格式乱写,整个工作流直接断掉。Amazon SageMaker AI 最近的一篇实践文章给出了一个清晰的解法:先用监督微调(SFT)教会模型"怎么正确调用工具",再用直接偏好优化(DPO)让它学会"哪种调用方式更好",两步叠加,小语...