Amazon SageMaker AI
PulseAugur coverage of Amazon SageMaker AI — every cluster mentioning Amazon SageMaker AI across labs, papers, and developer communities, ranked by signal.
- 2026-07-02 product_launch Amazon SageMaker AI launched a new service for multi-turn reinforcement learning. 来源
- 2026-07-01 product_launch AWS SageMaker AI has integrated the BoltzGen model to accelerate protein design workflows. 来源
- 2026-06-25 product_launch AWS has optimized Amazon SageMaker AI to utilize NVIDIA Blackwell GPUs, enhancing large model training capabilities. 来源
- 2026-06-16 product_launch Amazon SageMaker AI introduced container image caching to improve model scaling and reduce inference latency. 来源
- 2026-06-16 product_launch Amazon SageMaker AI launched container caching to improve model scaling speed. 来源
- 2026-06-09 product_launch AWS SageMaker AI has integrated NVIDIA Isaac Lab to enhance robot reinforcement learning training. 来源
- 2026-06-08 product_launch Amazon SageMaker AI now supports end-to-end encrypted machine learning inference using fully homomorphic encryption (FHE). 来源
- 2026-06-03 product_launch Amazon SageMaker AI introduced new capabilities for improving AI agent tool-calling accuracy using SFT and DPO. 来源
- 2026-05-20 product_launch Amazon SageMaker AI launched OpenAI-compatible API support for its real-time inference endpoints. 来源
- 2026-05-20 product_launch Amazon SageMaker AI launches bidirectional streaming for real-time inference, integrating with vLLM. 来源
9 天有情绪数据
-
Hugging Face 和 Amazon SageMaker 集成，实现一键模型部署
Hugging Face 和 Amazon SageMaker 推出了一项新集成，允许用户一键将模型直接从 Hugging Face 迁移到 Amazon SageMaker Studio。此功能通过预先配置环境和权限，简化了发现、微调和部署模型的过程。该集成还提高了 GPU 配额可用性的可见性，减少了希望快速迭代 AI 模型的开发人员和企业的障碍。
-
AWS SageMaker AI 与 MLflow 集成，用于模型监控和基准测试
Amazon SageMaker AI 正在通过与 MLflow 集成来增强其功能，为机器学习模型提供更好的监控和基准测试。首次集成侧重于监控判别式模型的数据和模型漂移，允许用户跟踪准确性和输入数据的统计属性。第二次集成能够将生成式 AI 模型的基准测试和推荐结果实时流式传输到 MLflow，从而更容易比较不同的配置并提高可复现性。
-
Amazon Mechanical Turk 将停用，停止接受新客户
Amazon Web Services (AWS) 已宣布，作为人类智能任务众包市场的 Amazon Mechanical Turk (MTurk) 将停用。该服务已被移至 AWS 的“维护中服务”列表，表明其即将关闭。MTurk 将于 2026 年 7 月 30 日起停止接受新客户，但现有用户将继续可以使用。
-
Amazon SageMaker AI 推出多轮强化学习新服务
Amazon SageMaker AI 推出了新的多轮强化学习 (MTRL) 服务，旨在训练能够处理复杂、顺序任务的智能体。该服务旨在简化开发能够与工具交互、从错误中恢复以及从多步骤过程中学习的智能体的过程。它提供了模块化智能体-环境接口、无服务器执行、异步推出和原生算法库等功能，同时还提供了对训练指标的可观测性。
-
AWS SageMaker AI 通过集成 BoltzGen 简化蛋白质设计
Amazon SageMaker AI 现已提供一个简化的平台，通过使用 BoltzGen 生成模型来加速蛋白质设计。此次集成旨在简化复杂且计算密集型（GPU 密集型）的蛋白质和肽设计过程，使其能够结合特定靶点。通过管理从配置实例到清理资源的整个计算基础设施生命周期，SageMaker AI 使研究人员能够专注于设计迭代，而不是运营开销。
-
AWS 使 Parcel Perform 能够微调 Amazon Nova 模型，成本降低 50%
AWS 详细介绍了电子商务物流公司 Parcel Perform 如何成功微调 Amazon Nova 模型以提高电子邮件数据提取能力。通过利用 Amazon SageMaker AI 和参数高效微调 (PEFT) 结合低秩适配 (LoRA)，Parcel Perform 实现了高达 94.77% 的提取准确率，显著优于其基线。此微调过程还将推理延迟降低了 30% 以上，成本降低了 50%，使其能够将解决方案投入生产以实现更高效的运营。
-
Microsoft 上调 Xbox 价格，推出付款计划；SageMaker AI 优化 NVIDIA Blackwell 训练
Microsoft 将提高其 Xbox Series 主机的价格，并推出“先买后付”选项。另外，一篇指南详细介绍了如何使用 NVIDIA Blackwell 架构在 Amazon SageMaker AI 上优化模型训练。
-
AWS SageMaker AI 集成 NVIDIA Blackwell GPU 以优化大型模型训练
Amazon SageMaker AI 现已针对 NVIDIA Blackwell GPU 进行优化，可更高效地训练大型 AI 模型。配备 8 个 Blackwell GPU 的新型 P6-B200 实例提供更大的内存和更高的带宽，从而缓解了批次大小和序列长度受限等瓶颈。这使得更大的批次大小、简化的模型分片以及更长的序列长度成为可能，最终缩短迭代周期并降低基础设施成本。
-
AWS 通过 SageMaker、Bedrock 和数据网格策略赋能 AI 开发 · 跟踪 4 个来源
Amazon Web Services (AWS) 正在通过几项新举措促进 AI 应用的开发。其中一篇文章详细介绍了如何在 Amazon SageMaker AI 上使用 SeedVR2 实现视频超分辨率，涵盖了架构和部署。另一篇文章演示了如何构建由 Amazon Bedrock 驱动的代理式 AI 的自助式 AWS Health 分析。此外，AWS 还通过现代数据网格策略赋能代理式 AI 应用的创建，提供安全可扩展的数据基础。
-
AWS SageMaker AI 支持 SeedVR2 实现视频超分辨率
AWS 详细介绍了一种在 Amazon SageMaker AI 上使用开源 SeedVR2 模型实现超分辨率的方法。该方法通过恢复细节和提高视频质量来解决将低分辨率视频内容放大以适应现代高清显示器的挑战。该解决方案利用 AWS CDK 进行基础设施搭建，Amazon S3 进行存储，以及 AWS Lambda 启动 ml.g5.4xlarge 实例上的 SageMaker 处理任务，提供了一种可扩展且经济高效的方式来提高视频质量，包…
-
NVIDIA 与 AWS 携手，通过新的 GPU 实例和向量搜索提升 AI 部署能力
NVIDIA 与 AWS 正在深化合作，以增强大规模 AI 部署能力。此次合作将 NVIDIA 的最新 GPU 技术，包括 RTX PRO 4500 Blackwell Server Edition GPU，集成到新的 Amazon EC2 G7 实例中，有望显著提升 AI 推理和数据分析的性能。此外，NVIDIA 的 cuVS 库现已成为 Amazon OpenSearch Serverless 中 GPU 加速向量索引的默认选项，…
-
AWS Bedrock AgentCore 为新的蛋白质研究助手提供支持
AWS 详细介绍了如何使用 Amazon Bedrock AgentCore 构建蛋白质研究助手。该工具通过支持自然语言查询，在大型数据集中查找结构相似的肽，从而协助研究人员。该助手集成了自然语言解析、使用专用语言模型的向量相似性搜索以及 AI 生成的搜索结果摘要，所有这些都由 Strands Agents SDK 进行编排。
-
Amazon SageMaker AI 增加容器缓存以实现更快的模型扩展
Amazon SageMaker AI 推出了容器镜像缓存，以加速模型扩展并减少 AI 推理的端到端延迟。此新功能旨在优化平台上部署的机器学习模型的性能。此次更新是 SageMaker 为实现更快、更高效的 AI 操作而不断增强其功能的一部分。
-
Amazon SageMaker AI 通过容器缓存加速模型扩展
Amazon SageMaker AI 推出了容器缓存功能，以加速推理过程中的模型扩展。此新功能通过消除新实例预配时下载容器镜像的时间，将生成式 AI 模型的端到端延迟最多降低 51%。对于大型模型和复杂工作负载，此改进尤为显著，在测试案例中将启动时间从 525 秒缩短至 258 秒。
-
ZX81 游戏发布；AI 推测解码指南发布
一款名为 Zevious Seven 的新垂直滚动射击游戏已在 Sinclair ZX81 上发布，旨在展示这款经典 8 位计算机的功能。另外，一份指南演示了如何使用 Amazon SageMaker AI 上的 P-EAGLE 实现并行推测解码，并利用了 SageMaker JumpStart 中的模型。
-
AWS SageMaker 集成 NVIDIA Isaac Lab 用于机器人强化学习训练
Amazon SageMaker AI 通过集成 NVIDIA Isaac Lab 来增强机器人强化学习。这使得能够加速机器人策略的训练，例如 Unitree H1 人形机器人，可以使用 SageMaker HyperPod 进行弹性、大规模分布式训练，或使用 SageMaker Training Jobs 进行临时、按需计算。该平台旨在通过利用 GPU 加速的模拟和托管基础设施，将数月的真实世界训练压缩到数小时内，从而减轻 AI 和…
-
AWS SageMaker 支持使用 FHE 进行加密的机器学习推理
Amazon SageMaker AI 现在支持使用全同态加密 (FHE) 进行端到端加密的机器学习推理。这使得敏感数据（如医疗记录或专有业务信息）可以在云中进行处理，而无需解密，即使对 SageMaker 本身也是如此。这项新功能利用了 concrete-ml 库，与之前需要使用低级库手动实现的旧方法相比，它提供了更灵活、更高级别的方法。
-
AWS SageMaker AI 通过 SFT 和 DPO 增强代理工具调用
Amazon SageMaker AI 现在提供了一种提高 AI 代理工具调用准确性的方法。这是通过采用监督微调 (SFT) 和直接偏好优化 (DPO) 技术来实现的。该过程涉及使用精选数据集和人类反馈来训练小型语言模型 (SLM)，以提高其为任务选择正确工具的能力。
-
Azercell 在 SageMaker 上训练阿塞拜疆语 LLM 并优化分词器
Azercell Telecom 与 AWS Generative AI Innovation Center 合作，开发了一个在 Amazon SageMaker AI 上训练阿塞拜疆语大型语言模型的框架。该项目专注于克服数据量有限的形态丰富语言所带来的挑战，通过内核优化实现了 23% 的训练吞吐量提升和 58% 的 GPU 内存使用量减少。该项目还引入了一个自定义分词器，通过将适合模型上下文窗口的阿塞拜疆语文本量加倍，提高了分词效率。
-
AMD 发布 3,999 美元 AI PC，携新款芯片剑指 NVIDIA
AMD 宣布推出其 Ryzen AI Halo PC，这是一款专为本地 AI 处理设计的高性能系统，起售价为 3,999 美元。该机器被定位为云端 AI 服务的经济高效替代方案，AMD 建议对于重度用户而言，它可能在几个月内就能收回成本。该公司还推出了新的 Ryzen AI Max 400 芯片，包括 AI Max+ Pro 495，该芯片将于 2026 年第三季度上市，并支持高达 192GB 的统一内存。