标签

机器学习

PyTorch 2.13：FlexAttention 登上 Apple Silicon，Mac 上的注意力实验更近一步

来源: pytorch.org 68
PyTorch 2.13 发布的一个关键信号是：FlexAttention 开始支持 Apple Silicon 上的 MPS 后端。对于在 MacBook、Mac Studio 上做模型原型、调试注意力机制或跑中小规模实验的开发者来说，这意味着部分原本更依赖 CUDA 环境的注意力优化路径，正在向本地 Apple GPU 迁移。 这不是“Mac 可以...
# AI # PyTorch # 机器学习
阅读全文

把知识图谱带进 RAG：GraphRAG 如何服务药物研发

来源: aws.amazon.com 49
药物研发里的问题很少是“找一段文字”这么简单。研究人员更常问：某个靶点和疾病有什么证据链？候选化合物影响哪些通路？这篇来源文章讨论的核心变化是：把图数据库、生成式 AI 和 BYOKG（Bring Your Own Knowledge Graph，自带知识图谱）结合起来，用 GraphRAG 加速科学发现，同时尽量不牺牲科学完整性。 传统 RAG 通常...
# AI # AWS # LLM
阅读全文

用 Amazon Bedrock 给邮箱自动分拣和排序

来源: aws.amazon.com 36
公共部门组织的邮箱常常不是“沟通工具”，而是事实上的业务入口：居民咨询、内部审批、供应商文件、紧急事件通报都会先进入共享邮箱。来源文章展示了一种用 Amazon Bedrock 驱动的生成式 AI 方案，把邮件自动分类、提取关键信息并按优先级排序，减少人工扫信箱的时间。 传统规则引擎适合处理明确模式，例如主题包含“发票”就打上财务标签，发件人来自某个域...
# AI # AWS # 云平台
阅读全文

用 AWS WAF 守住 Amazon Bedrock AgentCore Runtime 的入口

来源: aws.amazon.com 48
Amazon Bedrock AgentCore Runtime 作为托管运行时，真正上线时绕不开一个问题：公网请求怎样进来，安全控制又怎样不被绕过？这篇方案的核心变化很明确：把入口收束到 internet-facing ALB，并在 ALB 前挂 AWS WAF，再通过 VPC Interface Endpoint 把流量送到 AgentCore R...
# AI # AWS # LLM
阅读全文

用 Jamf AI Governance 和 Amazon Bedrock 管住 Mac 上的 AI 应用配置

来源: aws.amazon.com 37
企业里的 AI 应用已经从“员工自己试一试”变成了“终端上真实运行的生产工具”。这篇来源内容关注的是一个很具体的场景：用 Jamf 的 AI Governance 配合 Amazon Bedrock，在一批 Mac 设备上配置、下发并验证 AI 应用的受管设置。重点不只是“能不能装”，而是配置是否统一、策略是否落地、设备端是否可审计。 Mac 机群里的...
# AI # AWS # Go
阅读全文

把 QuickSight 的业务语义从 Topics 迁到数据集层

来源: aws.amazon.com 58
Amazon QuickSight 正在把业务上下文的重心从 legacy Topics 推向更靠近数据本身的 semantic datasets，也就是 Dataset Enrichment。变化的关键不只是“入口换了”，而是语义定义的位置变了：字段别名、业务词汇、默认聚合、字段描述这类知识，不再只服务某个 Topic，而是沉到数据集层，供更多分析体...
# AI # AWS # 云平台
阅读全文

Amazon QuickSight 多数据集关系：别再把所有表提前拍平

来源: aws.amazon.com 51
Amazon QuickSight 新增的 Multi-Dataset Relationships 让 Topic 可以理解多个数据集之间的逻辑关系，并在查询运行时执行 join。这个变化的核心不是“多了一个 join 功能”这么简单，而是 BI 建模方式从“提前做一张大宽表”转向“保留业务表边界，在语义层声明关系”。 对做 QuickSight Q、...
# AI # AWS # 云平台
阅读全文

Amazon QuickSight 多数据集关系建模：从表结构到 SQL 落地

来源: aws.amazon.com 52
Amazon QuickSight 的多数据集关系建模，不只是把几张表拖到一起。真正麻烦的地方在于：不同业务表的粒度不同、维度表可能复用、事实表之间不一定能直接 join，错误的模型会让看板出现重复计数、指标膨胀或过滤器失效。来源文章的重点从概念转向模式：针对不同 schema，梳理表结构、适用场景、实现步骤、示例 SQL，并讨论高级场景下需要额外建模...
# AI # AWS # 云平台
阅读全文

为 Amazon QuickSight Chat 设计多数据集 Topic：让自然语言分析少走弯路

来源: aws.amazon.com 42
当业务用户开始用自然语言提问时，BI 团队面对的难点不再只是“图表能不能做出来”，而是 Chat 能不能把问题映射到正确的数据集、字段和业务口径。多数据集 Topic 的价值就在这里：它把多个相关数据集组织成一个可问、可解释、可治理的语义入口，让销售、运营、财务等用户不用先知道表名，也能探索数据。 这篇文章面向数据架构师、BI 工程师和分析工程师，讨论...
# AI # AWS # 云平台
阅读全文