Стрічка новин про штучний інтелект і машинне навчання

Головні новини та публікації щодня! Будьте на крок попереду: дізнавайтеся першими про нові ідеї, тренди та інновації у сфері технологій

Революція в базі знань Amazon Bedrock за допомогою Marengo 3.0.

Модель TwelveLabs Marengo Embed 3.0 тепер доступна у базах знань Amazon Bedrock для пошуку в текстовій формі за відео-, аудіо- та зображеннями. Marengo Embed 3.0 пропонує повністю керовану мультимодальну модель, що забезпечує безперебійний семантичний пошук.

Метрика оцінювання продуктивності чат-бота.

Метрика оцінювання агента (AEM) дозволяє виявляти помилки в багатоетапних розмовах, що допомагає визначити першопричини. Комплексні показники не завжди дозволяють виявити ранні помилки, які можуть призвести до подальших проблем у ході розмови.

Отримайте цінну інформацію для покращення бізнесу за допомогою AvioBook та Amazon Bedrock.

Компанія AvioBook, що входить до групи Thales, революціонізує роботу авіакомпаній за допомогою рішення AvioBook Connect, яке скорочує час виконання робіт і дозволяє авіакомпаніям заощаджувати мільйони. Рішення AvioBook Connected Analytics використовує Amazon Bedrock AgentCore для надання інформації в режимі реального часу, перетворюючи дані на корисну інформацію для менеджерів та диспетчерів ав...

Оптимізуйте робочі навантаження TorchServe за допомогою контейнерів Ray Serve.

Система TorchServe більше не підтримується, що призводить до виникнення вразливостей у безпеці при виконанні моделями передбачень. Контейнери для машинного навчання від AWS пропонують попередньо налаштовані та оптимізовані образи для зручного розгортання моделей.

Революція у сфері мовлення завдяки технологіям штучного інтелекту в реальному часі на виставці IBC.

NVIDIA AI для медіа покращує процеси трансляції та виробництва завдяки інтелекту в режимі реального часу на виставці IBC 2026. Компанії Dalet, TwelveLabs і Wowza інтегрували детектор синтетичного відео від NVIDIA для перевірки контенту та забезпечення відповідності нормам у медійній та розважальній індустріях.

Оптимізація прав доступу: Amazon Quick Customization.

Автоматизація налаштування індивідуальних прав доступу в середовищах Amazon Quick є критично важливою для забезпечення принципу найменших привілеїв. Описано чотири архітектурні підходи для автоматизації налаштування індивідуальних прав доступу на ключових етапах життєвого циклу користувача.

Пілотна програма з питань штучного інтелекту від Массачусетського технологічного інституту (MIT).

Майбутній навчальний майстер-клас "AI Educators Pilot" від MIT має на меті розширити сферу освіти в галузі штучного інтелекту, надаючи викладачам можливості викладати базові концепції у різних дисциплінах. У рамках цієї ініціативи, викладачі з різних університетів адаптують навчальні матеріали курсу "Моделювання за допомогою машинного навчання" від MIT для використання у своїх аудиторіях.

Революція в інвестиціях за допомогою штучного інтелекту на платформі Amazon Bedrock.

Компанія Heurist використовує технологію Amazon Bedrock AgentCore для створення фінансової аналітичної інформації на основі штучного інтелекту, призначеної для індивідуальних інвесторів. Heurist Finance пропонує робочі процеси, що відповідають стандартам інституційних організацій, у форматі чат-інтерфейсу, використовуючи AgentCore для забезпечення доступу до преміальних даних.

Революція у сфері розгортання штучного інтелекту з використанням Qwen3.8 на платформі Amazon SageMaker.

Команда Qwen компанії Alibaba випустила модель Qwen3.8-2.4T-A95B, першу модель класу Qwen-Max з відкритим кодом, що містить 2,4 трильйони параметрів, призначену для складних завдань, що потребують інтелектуальних можливостей. Розгортання на Amazon SageMaker HyperPod забезпечує можливість налаштування поведінки обробки даних та підтримку багатотокенного передбачення для оптимізації процесу декод...

SageMaker AI Showdown: порівняння моделей G7, G5 та G6.

Вибір правильної віртуальної машини з графічним процесором (GPU) має вирішальне значення для масштабованого розгортання генеративного штучного інтелекту. Тестування показує, як нові інстанси серії G7 забезпечують покращення продуктивності, затримки та вартості обробки одного токена для корпоративних завдань кодування та аналізу.

Представляємо UpdateRecord: революційний підхід до запису даних на рівні ознак у системі зберігання ознак Amazon SageMaker.

Amazon SageMaker Feature Store представляє API `UpdateRecord`, який дозволяє здійснювати зміни на рівні окремих ознак, що підвищує ефективність навчання моделей машинного навчання. Це усуває необхідність записувати повні записи, зменшуючи затримки та витрати, пов'язані з непотрібним обсягом операцій читання.

Революція в розробці архітектурних рішень за допомогою Pathway на платформі SageMaker HyperPod.

Система Pathway з її архітектурою BDH, натхненною роботою мозку, пропонує новий підхід до штучного інтелекту, уникаючи традиційної послідовної генерації токенів. Amazon SageMaker HyperPod допомагає масштабувати навчання для таких моделей, як BDH, вирішуючи обмеження архітектури трансформерів.

Синхронізація моделей керування з MLflow та SageMaker: частина 1.

Автоматизація реєстрації моделей між MLflow та реєстром моделей SageMaker AI спрощує управління та контроль для науковців з машинного навчання та відповідальних за управління. Покращена синхронізація тепер включає показники навчання, результати оцінювання, інформацію про походження та етапи життєвого циклу, що полегшує процес перенесення моделей з тестової фази в робочу без проблем.

Успішне впровадження системи контролю якості контакт-центру DiDi на основі штучного інтелекту.

Компанії DiDi та AWS співпрацюють для розробки прозорої системи контролю якості обслуговування в контакт-центрі на платформі Amazon Bedrock, що покращує точність і ефективність взаємодії з клієнтами, які говорять іспанською та португальською мовами. Відділ CX компанії DiDi вирішує проблеми, пов'язані з непрозорими сторонніми рішеннями, за допомогою механізмів перевірки намірів, оцінки відповідн...

Покращення квадратичної регресії за допомогою регуляризації L2 у C#.

Навчання квадратичної регресійної моделі можна здійснювати за допомогою стохастичного градієнтного спуску, лівого псевдооберненого матриці або псевдооберненої матриці Мур-Пенроза. Реалізація псевдооберненої матриці Мур-Пенроза з використанням регуляризації L2 покращила точність моделі в демонстраційному прикладі з невеликим набором даних.