标签

机器学习

在 Amazon SageMaker AI 中做多轮强化学习:从可信环境到外部评测

来源: aws.amazon.com 45
多轮强化学习的难点不只是“让模型多说几轮”。一旦 Agent 可以连续行动,环境状态、奖励归因、评测方式和监控指标都会变得更敏感。要把训练做可靠,关键是先让训练环境可信,再用独立评测验证结果,并把奖励函数对齐到最终任务,而不是只奖励表面行为。 多轮 RL 的训练环境不是一个简单的输入输出函数。它需要在每一轮保存状态、执行动作、返回观测,并在合适的时候终...

用 AWS 搭一个无服务器 A2A 网关:一个域名管理多个 Agent

来源: aws.amazon.com 30
A2A 的一个现实问题是:当团队开始部署多个 Agent,客户端到底该连谁、怎么发现、谁有权限访问,很快会从“协议问题”变成“入口治理问题”。这篇内容的核心做法是,在 AWS 上构建一个无服务器 A2A gateway,用单个域名承载多个 Agent,并通过 这种路径路由到不同后端。标准 A2A 客户端不需要修改,这是它最有价值的地方。 如果每个 Ag...

用元数据给 AgentCore Memory 做结构化记忆过滤

来源: aws.amazon.com 41
Agent 的记忆系统一旦进入企业场景,问题就不只是“能不能记住”,而是“该记住谁的、在哪个上下文里用、哪些 Agent 可以读”。AgentCore Memory 中的 metadata 过滤,正是把记忆从一堆向量片段,变成可治理、可隔离、可审计的结构化资产。 在 AgentCore Memory 里,metadata 会贯穿三个阶段:配置、写入和检...

用 Bedrock、Neptune 和个性化 PageRank 搭建 HippoRAG

来源: aws.amazon.com 24
传统 RAG 常把知识切成文本块,再用向量相似度召回。HippoRAG 的关键变化是:把知识组织成图,让检索过程不只看“这段文字像不像问题”,还看实体之间如何连接、哪些节点在当前问题语境下更重要。基于 AWS 的实现路径很清晰:Amazon Bedrock 提供 LLM 能力,Amazon Titan Embeddings 生成向量表示,Amazon ...

用 Amazon Bedrock 做秒级文档反欺诈:从人工复核到智能体推理

来源: aws.amazon.com 42
金融文档欺诈正在变得更快、更像真文档,也更难靠人工逐页检查。Inscribe 的做法是把专家欺诈分析师的工作方式拆成一个基于 Amazon Bedrock 的 agentic AI 系统:跨文档推理、寻找篡改和伪造痕迹、识别 AI 生成内容,并在 90 秒内给出可解释判断。相比传统人工复核,这类流程的关键价值不只是“快”,而是把速度、准确性和监管需要的...

用 Amazon Bedrock Model Profiler 把模型选择从“翻表格”变成可搜索

来源: aws.amazon.com 40
在 Amazon Bedrock 里选模型,麻烦点通常不在“有没有模型”,而在“信息散落在哪里”:模型能力、区域可用性、调用方式、外部资料、限制条件,往往要在多个 AWS API 和文档页面之间来回切。Amazon Bedrock Model Profiler 的价值就在这里:它把来自多个 AWS API 和外部来源的模型元数据聚合到一个可搜索界面里,...

用 BoltzGen 和 Amazon SageMaker AI 加速蛋白设计实验

来源: aws.amazon.com 28
蛋白设计正在从“单次手工跑模型”走向“可复现、可扩展、可缓存”的工程化工作流。BoltzGen 部署到 Amazon SageMaker AI 后,可以把快速验证和生产批处理放在同一套基础设施里运行:研究早期用小规模任务验证输入、参数和模型行为,进入筛选阶段后再扩展到批量生成与评估。 这类工作流的关键不只是把模型跑起来,而是让每一步都能被追踪、复用和按...

Shopify 成为 PyTorch 基金会白金会员:开源 AI 基础设施继续向产业腹地推进

来源: pytorch.org 25
PyTorch 基金会宣布 Shopify 以白金会员身份加入。这个消息不只是“又一家大公司加入基金会”那么简单:PyTorch 作为 Linux Foundation 旗下的开源 AI 社区枢纽,正在被越来越多直接承载线上业务的公司视为基础设施,而不只是研究工具。 Shopify 提供的是电商领域的互联网基础设施:商家建站、交易、库存、营销、支付、履...

把前沿模型安全交到客户手里:从 Amazon Bedrock 看 AI 发布的安全底座

来源: aws.amazon.com 45
前沿模型的发布不只是“把 API 打开”这么简单。模型越强,调用链越长,企业客户越关心一个问题:我的数据、权限、审计和运行边界是否仍然可控?AWS 在这篇文章中强调的核心,是把 Amazon Bedrock 这类 AI 服务放在 AWS 二十多年安全建设的基础之上,而不是把生成式 AI 当成一套孤立的新系统。 对企业来说,AI 服务进入生产环境时,风险...