标签

机器学习

用 Amazon QuickSight 多数据集 Topic 搭一层统一语义层

来源: aws.amazon.com 54
Amazon QuickSight 的 multi-dataset Topics 让一个 Topic 不再只能围着单张数据集回答问题。对零售、财务、运营这类天然分散的数据域来说，这个变化很关键：业务用户可以在同一个聊天入口里问跨数据集问题，而不是先猜订单、库存、门店、营销分别在哪张表里。 传统 BI 里的自然语言问答常卡在一个地方：字段名能解释，但数据...
# AI # AWS # LLM
阅读全文

用 Amazon Bedrock AgentCore 搭一个无服务器图片编辑 Agent

来源: aws.amazon.com 57
图片编辑正在从“打开专业软件、找按钮、调参数”变成“上传照片，说一句要改什么，然后等结果”。这篇内容介绍的是一个基于 Amazon Bedrock AgentCore harness 的无服务器图片编辑 Agent：用户上传图片，用自然语言描述编辑需求，系统在几秒内返回处理后的图片。关键点不是单个模型调用，而是把认证、加密存储、三类图片编辑工具、Age...
# AI # AWS # LLM
阅读全文

用 Evidently、SageMaker AI 和 MLflow 搭一条可追踪的模型监控链路

来源: aws.amazon.com 54
模型上线以后，真正的工作才刚开始。输入数据分布会变，业务人群会变，特征管道也可能悄悄变。来源文章讨论的是一条比较务实的路线：用开源 Evidently 生成数据与模型监控报告，用 Amazon SageMaker AI 承载执行与扩展，再把结果组织到 MLflow 里做对比，并通过流水线和漂移通知把监控变成持续机制。 对判别式机器学习模型来说，常见目标...
# AI # AWS # 云平台
阅读全文

用 Amazon Bedrock AgentCore 搭一个 AWS 支持助手

来源: aws.amazon.com 53
AWS 支持排障经常卡在几个系统之间：CloudWatch 里看日志，文档站里查限制和配置，re:Post 里找相似案例，必要时再去创建 Support Case。这个方案把这些动作收进一个对话入口：用 Amazon Bedrock AgentCore 承载智能体，用 Strands Agents 做编排，通过 Model Context Protoc...
# AI # AWS # LLM
阅读全文

AWS 财务团队如何用 Amazon Quick 把重复流程交给聊天代理

来源: aws.amazon.com 44
AWS Finance 的案例值得关注，不是因为“又多了一个聊天框”，而是因为它把财务团队最耗时的两类工作流交给了 Amazon Quick 里的 chat agents 和 Flows：前者负责对话式收集、解释和推进任务，后者把多步骤流程固化成可重复执行的路径。对财务团队来说，节省数百小时通常不是来自一次大重构，而是来自把每天反复发生的查找、核对、转...
# AI # AWS # LLM
阅读全文

PyTorch Monarch 登上 AMD GPU：用单控制器思路管理 ROCm 分布式训练

来源: pytorch.org 62
大模型训练已经不是“把脚本丢到几张卡上跑完”这么简单。数十亿参数模型往往要跨数百甚至数千张 GPU 训练，在这个规模下，硬件故障、节点掉线、通信抖动都不是意外，而是日常。PyTorch Monarch 被带到 AMD GPU 和 ROCm 生态中，重点并不只是“多支持一种硬件”，而是把单控制器分布式训练的编排方式带进 AMD GPU 集群。 传统分布式...
# AI # LLM # PyTorch
阅读全文

Hugging Face 模型一键进 SageMaker Studio：从发现到实验少走一步

来源: aws.amazon.com 53
Hugging Face 和 Amazon SageMaker AI 增加了深度链接集成：开发者在 Hugging Face 上发现模型后，可以通过一次选择直接进入 SageMaker Studio 做实验。这个变化不在于多了一个按钮，而在于把“找模型”和“动手验证”之间那段容易断掉的流程接了起来。 很多团队的模型评估流程都卡在同一个地方：研究人员在 ...
# AI # AWS # Go
阅读全文

在 Amazon Bedrock 上调用 MiniMax：从长上下文到 Agent 工作流

来源: aws.amazon.com 54
MiniMax 模型进入 Amazon Bedrock 后，开发者可以在 AWS 的托管边界内使用这些模型构建 Agent 应用、长上下文文档分析流水线，以及软件工程辅助流程。变化的重点不只是“多了一个模型”，而是模型访问、扩缩容、安全控制和运维接入都可以走 Bedrock 这一套成熟路径。 直接接入模型 API 时，团队通常要自己处理鉴权、网络边界、...
# AI # AWS # LLM
阅读全文

用 SageMaker HyperPod 搭起 Amazon Nova 多轮强化学习流水线

来源: aws.amazon.com 56
多轮强化学习的麻烦不只在算法本身，还在训练基础设施：数据来了以后谁触发任务、集群资源怎么准备、训练脚本如何拿到 S3 数据、一次 Wordle 这种多轮环境的交互日志如何进入训练闭环。这个方案的核心变化是把 Amazon Nova Forge 和 Amazon SageMaker HyperPod 组合起来，用两阶段基础设施部署出一个事件驱动流水线：向...
# AI # AWS # LLM
阅读全文