AWS Generative AI Innovation Center
PulseAugur coverage of AWS Generative AI Innovation Center — every cluster mentioning AWS Generative AI Innovation Center across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
松下航空电子使用 AWS 上的代理 AI 加速飞机诊断 · 跟踪 4 个来源
松下航空电子公司正在利用 AWS 上的代理 AI 来简化其全球机上娱乐和连接系统问题的诊断。通过与 AWS 和 AWS 生成式 AI 创新中心合作，他们开发了一个使用 Amazon Bedrock、Amazon SageMaker 和 AWS Glue 的系统。这种新方法显著减少了工程师在各种飞机配置中识别和解决系统问题所需的时间和精力，提高了运营效率，并使工程师能够专注于创新。
-
AWS 通过新的 AI 加速器自动化抵押贷款文件处理
AWS 推出了一个新解决方案，用于自动化抵押贷款行业的文件处理，该方案利用了 AWS 生成式 AI 创新中心 (GAIIC) 智能文档处理 (IDP) 加速器和 Amazon Quick Automate。该系统旨在显著降低手动处理文档所需的时间和成本，目前手动处理文档占贷款发放成本的很大一部分。通过自动化分类、提取和验证等任务，该解决方案有望减少每份贷款文件的处理时间并最大限度地减少数据输入错误，从而使贷款机构能够更有效地处理增加的业务量。
-
公司利用 AWS AI 服务来定制模型和提高功能采用率
多家公司正在利用 AI 和云服务来增强其产品和运营。ONESTRUCTION 在 AWS 生成式 AI 创新中心的指导下，为建筑工作流程构建了 Ishigaki-IDS 基础模型。Pixieset 通过实施一项由 AI 生成的替代文本功能（使用 Amazon Bedrock），实现了 35% 的 AI 功能采用率，目标是那些对 AI 持怀疑态度的摄影师。此外，First Orion 正在利用 Amazon Nova Act 加速其 Q…
-
AI 自动化根本原因分析和 NHL 季后赛预测 · 跟踪 3 个来源
佐治亚州立大学的 TReNDS 研究中心开发了一个使用 Amazon Bedrock 和 Strands Agents SDK 的 AI 管道，以自动化生产错误的根本原因分析。另外，AWS 生成式人工智能创新中心创建了一个采用约束编程和树搜索的系统，以数学方式确定 NHL 季后赛晋级场景。这些应用突显了 AI 在不同领域复杂问题解决中的应用。
-
AWS 使用 AI 解决复杂的 NHL 季后赛晋级场景
AWS 生成式 AI 创新中心开发了一个自动系统来确定 NHL 季后赛晋级场景。该系统利用约束编程和自定义树搜索算法来处理联盟复杂的决胜规则和剩余的大量比赛。该方法已通过官方 NHL 数据进行了验证，与手动方法相比，提供了更有效、更准确的计算这些场景的方法。
-
Built Technologies 利用 AWS 实现人工智能文档智能；探索代理愿景
Built Technologies 开发了一个利用 AWS 服务的人工智能驱动的文档智能解决方案，以增强房地产金融领域的代理。该解决方案是与 AWS Generative AI Innovation Center 和 AWS 合作伙伴 AND Digital 合作创建的，旨在实现可扩展的文档处理和分类。同时，另一篇文章详细介绍了使用 Amazon Bedrock 和 MCP 服务器创建代理愿景系统，展示了人工智能如何解释视觉数据以进行智能决策。
-
Flo Health 利用 Amazon Bedrock 和 AWS AI 扩展医疗内容审核规模
Flo Health 通过集成 Amazon Bedrock 成功扩展了其医疗内容审核流程。该计划与 AWS Generative AI Innovation Center 合作开发，将最初的概念验证转化为生产就绪的 AI 驱动系统。此次实施旨在提高医疗内容审核的效率和有效性。
-
Flo Health 利用 Amazon Bedrock AI 扩展医疗内容审核规模
Flo Health 已成功实施了一个利用 Amazon Bedrock 的 AI 驱动系统，以简化其医疗内容审核流程。该新系统与 AWS Generative AI Innovation Center 合作开发，将内容审核时间显著缩短了 60%，内容吞吐量增加了两倍。该解决方案整合了用于各种审核维度的 AI Judges，并利用检索增强生成 (RAG) 进行内容创建，通过将信息锚定在可靠的医疗来源来确保准确性。
-
Outpost VFX 在 AWS 上实现 AI 训练速度提升 8 倍
Outpost VFX 通过利用 AWS 基础设施，显著加速了其视觉特效的 AI 模型训练，实现了 8 倍的速度提升。该公司在其换脸工作流程中遇到了单 GPU 限制的瓶颈，之前每次迭代需要一周多时间。通过与 AWS Generative AI Innovation Center 合作，Outpost VFX 实施了使用配备 NVIDIA H100 GPU 的 Amazon EC2 P5 实例的分布式多 GPU 训练解决方案，增强了计算…
-
AWS 将数学优化用于复杂的 AI 决策
数学优化是一个专门的 AI 领域，正被各组织用于做出直觉或简单机器学习无法解决的复杂决策。这种方法与机器学习互补，为具有海量变量和约束的问题提供数学上确定且最优的解决方案。AWS 生成式 AI 创新中心利用这项技术，将其与机器学习相结合，用于 predict-then-optimize 流程，为客户带来可衡量的业务成果。
-
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。
-
AWS 为企业支持和洞察赋能 AI 代理
Amazon Web Services (AWS) 正在使企业能够构建用于支持功能的 AI 代理。AWS 生成式 AI 创新中心与 Works Human Intelligence 合作，使用 Amazon Bedrock AgentCore 创建了两个 AI 代理。此外，Verizon Connect 已成功将代理式 AI 解决方案扩展到为 100,000 日活跃用户提供车队数据的可操作见解。
-
AWS Bedrock AgentCore 为 HR 和商业智能提供 AI 代理支持
Amazon Bedrock AgentCore 正被用于开发复杂的 AI 代理以支持业务，提高运营效率并降低成本。一个应用是 Works Human Intelligence (WHI) 构建用于 HR 任务的代理，从 LangGraph 迁移到 AgentCore 以管理多租户和提高可观察性。另一个用例是 AWS SMGS 组织的 NarrateAI，一个由 AgentCore 和数据湖驱动的对话式助手，为领导者提供按需商业智能，…