Amazon Bedrock представляє деталізовану систему обліку витрат, що дозволяє отримувати інформацію про витрати на рівні окремих користувачів та застосунків за допомогою даних про основних користувачів IAM. Теги розподілу витрат допомагають агрегувати витрати за командами, проєктами або клієнтами з використанням сервісу AWS Cost Explorer, що покращує можливості відстеження для сервісів і додатків ...
Обробка великих мовних моделей у великих масштабах стикається з компромісом щодо кешу ключових значень (KV), що впливає на вартість і зручність користування. Багаторівнева архітектура кешу KV в Amazon SageMaker HyperPod підвищує частоту попадань у кеш, зменшує час генерації першого токена та знижує витрати на інфраструктуру.
Компанія NVIDIA розширює сімейство моделей Nemotron 3, представивши модель Nemotron 3.5 Lightning – високопродуктивну модель для завдань агентного штучного інтелекту. Бібліотека NeMo Switchyard забезпечує розумне маршрутизацію для моделей штучного інтелекту, пропонуючи більший контроль та ефективність у процесі розгортання.
Фахівці з кібербезпеки стикаються зі скороченням термінів виявлення вразливостей. Компанії AWS та OpenAI пропонують рішення Daybreak Red і Blue для забезпечення передової кіберзахисту.
Компанія First Orion покращила автоматизацію контролю якості за допомогою рішення Amazon Nova Act, перейшовши до використання агентів на основі штучного інтелекту для ефективного тестування. Їхні комунікаційні рішення охоплюють провідних операторів зв'язку та забезпечують підприємствам надійний захист від спаму, шахрайства та підробок.
Компанія Pixieset використовувала генеративний штучний інтелект для спрощення створення альтернативного тексту для фотографів, що підвищило продуктивність і задоволеність користувачів. Зосередженість компанії на вирішенні реальних проблем користувачів призвела до успішного впровадження цієї функції ШІ, що підтвердило її цінність у галузі фотографії.
Компанії ONESTRUCTION, Inc. та Amazon Web Services Japan G. K. співпрацювали для створення Ishigaki-IDS, спеціалізованої моделі штучного інтелекту для робочих процесів BIM у будівельній галузі. Подолавши проблеми нестачі даних, вони використали генерацію синтетичних даних і триступеневу систему навчання для створення інноваційного рішення.
Метод регресії на основі ансамблю дерев рішень може підвищити точність моделі шляхом навчання на різних підмножинах даних. Цей метод, який є попередником регресії методом випадкового лісу, був оптимізований за допомогою штучного інтелекту для досягнення надзвичайної точності в демонстраційному проєкті з використанням синтетичних даних.
Інженери з MIT та Університету Цинхуа розробили GeoPT, новий підхід до попереднього навчання моделей штучного інтелекту, який навчає моделі фізичним принципам за допомогою 3D-симуляцій, що дозволяє отримувати швидші та точніші результати з використанням на 60% меншої кількості даних. GeoPT може передбачати, як транспортні засоби, побутові предмети та роботи реагують на фізичні фактори, такі як ...
Автор реорганізував систему Support Vector Regression (SVR) за допомогою мови програмування Python, досягнувши результатів, порівнянних з модулем SVR у бібліотеці scikit-learn. Популярність SVR зменшилася через те, що Kernel Ridge Regression (KRR) простіша в реалізації та забезпечує вищу точність прогнозування.
Компанія nOps покращує аналітику FinOps за допомогою сервісу Amazon Bedrock AgentCore, оптимізуючи угоди з основними провайдерами хмарних послуг. Перехід до спеціалізованої архітектури прискорює випуск нових продуктів і зменшує операційну складність.
Додаток Amazon SageMaker AI Spaces для Amazon EKS спрощує робочі процеси штучного інтелекту, забезпечуючи керовані середовища JupyterLab та редактори коду безпосередньо на кластері. Це усуває необхідність використання окремих розгортань, заощаджуючи час і ресурси, а також оптимізує використання графічних процесорів до 30%.
Центр інновацій у сфері генеративного штучного інтелекту AWS створив автоматизовану систему для визначення сценаріїв виходу в плей-офф Національної хокейної ліги (NHL) з використанням методів теорії обмежень. Складні правила розриву нічиїх та участь 32 команд роблять ручний аналіз сценаріїв трудомістким, що призвело до створення математично обґрунтованої та ефективної альтернативи.
Медичні страхові компанії стикаються з труднощами в процесах попереднього затвердження через неструктуровані політики. Інноваційне рішення на основі штучного інтелекту від Cohere Health оцифровує ці політики для забезпечення ефективної та масштабованої роботи.
Тепер версія 3 Python SDK для Amazon SageMaker пропонує рекомендації щодо генеративного штучного інтелекту безпосередньо у вашому робочому процесі в блокноті, автоматизуючи оптимізацію та розгортання. Ця нова функціональність спрощує тестування продуктивності, генерує економічно вигідні рекомендації та забезпечує безперебійне розгортання конфігурацій.