跳到正文

#教程/实践

今日 1 条
11月12日周四
11月11日周三
11月10日周二
11月7日周六
  1. AWS Machine Learning Blog38

    AWS Quick 中的智能体原语分类体系

    AWS Quick 团队提出一套智能体原语分类体系,用 When、What、Who、How 四个问题拆解智能体工作,对应触发器、智能体与能力三层结构。触发器分为人工发起、智能体委派、定时和事件驱动四类;智能体被定义为持久、可学习的行为主体,由指令、能力和学习上下文构成。能力涵盖工具、技能和工作流,按智能体自主程度从完全自主到完全确定性排列。

11月6日周五
11月5日周四
11月4日周三
  1. AWS Machine Learning Blog38

    Cartesia 如何在 AWS 上构建超低延迟语音 AI 应用

    Cartesia 基于自研 State Space Model(SSM)架构的 Sonic 文本转语音与 Ink 语音转文字模型,在 AWS 上实现低于 100ms 的首字节延迟。Sonic 首音频字节约 90ms,支持 44 种以上语言、10 秒音频样本克隆音色;Ink 原生支持对话轮次检测与流式转写。两者面向实时语音智能体,可在 AWS 上部署以满足数据主权与合规需求。

11月3日周二
10月31日周六
  1. AWS Machine Learning Blog36

    如何端到端管理 Amazon Bedrock 成本:面向 FinOps 与平台团队的实操手册

    AWS 提出用五步闭环管理 Amazon Bedrock 生成式 AI 成本:归因、可观测、预算强制、平台默认优化与定期复盘。Amazon Bedrock 可将推理成本自动归因到发起调用的 IAM 主体,调用方 ARN 写入 CUR 2.0 的 line_item_iam_principal 列,覆盖 IAM 用户、角色、联合身份与 API key。

10月30日周五
  1. AWS Machine Learning Blog55

    用 Kiro 构建可重复的 PHP 到 Java 迁移引擎

    AWS 博客介绍如何用 AI IDE Kiro 把 PHP 到 Java 迁移做成可重复流程,核心是一套共享技能文件、一个发现扫描器和八阶段工作流。扫描器 discover-models.php 以单文件、无依赖方式读取源码 token,输出包含字段、类型转换和关系的 JSON 清单,并把歧义项放入人工复核队列。

  2. AWS Machine Learning Blog40

    MoEngage 如何用 AgentCore Gateway 将 400 多个 API 变成智能体工具

    MoEngage 借助 Amazon Bedrock AgentCore Gateway,把约 400 个 VPC 私有 REST API 转成权限受控的智能体工具,节省约六个月平台工程投入,新 API 接入从数天缩短到数小时。该方案放弃为 25 个团队各建 MCP server 的做法,由 AI 平台团队统一维护 MCP 层,团队只需提供 OpenAPI spec,全程无公网端点。

10月29日周四
10月28日周三
  1. AWS Machine Learning Blog34

    Exowatt 用 SageMaker 无服务器模型定制,精度超越前沿模型且成本低至 1/49

    Exowatt 基于 Amazon SageMaker AI 无服务器模型定制,用 Qwen3-1.7B 和 Qwen3-14B 分别构建边缘告警分诊与云端能源市场分析模型,精度超过前沿模型,成本最高降低 49 倍。该流程通过 LoRA 与 SFT 微调,配合 SageMaker 无服务器评估和 Model Registry,将原始运营数据到可部署模型的周期从数月缩短到数天。

  2. AWS Machine Learning Blog40

    Property Finder 如何修正评估偏差,在 Amazon Bedrock 上选出更优模型

    Property Finder 发现其评估标签中 96.8% 直接来自现有视觉语言模型的预测而非人工核验,导致任何替代模型在对比中天然处于劣势。团队重新人工标注 356 张 UAE 图像,将单标签改为多标签分类,并通过 v0 到 v27 的提示词优化循环在 Amazon Bedrock 上选型,最终实现准确率提升且成本降低 86%。

10月27日周二