热点事件持续更新
Exowatt用SageMaker微调Qwen模型实现边缘告警分诊
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月28日，AWS Machine Learning Blog 报道，Exowatt 基于 Amazon SageMaker AI 的无服务器模型定制能力，分别用 Qwen3-1.7B 和 Qwen3-14B 构建边缘告警分诊模型与云端能源市场分析模型。报道称，这两个模型的精度超过前沿模型，成本最高降低 49 倍。该流程采用 LoRA 与 SFT 微调，并配合 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。目前进展为：Exowatt 已通过该流程完成两类模型的定制与部署准备，报道未提及更早的版本或与此前说法不一致之处。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 00:50
Exowatt用SageMaker微调Qwen3模型，精度超前沿模型、成本最高降49倍。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- AWS Machine Learning BlogExowatt 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。
本事件热度走势
当前热度 9·可比范围峰值 10（10月28日 02:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。