AWS Step Functions
PulseAugur coverage of AWS Step Functions — every cluster mentioning AWS Step Functions across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
AWS详解面向制造业的事件驱动机器学习训练基础设施
研究人员详细介绍了为期三年的运营经验，该经验涉及一个为汽车制造业中持续机器学习训练而设计的事件驱动云基础设施。该系统跨多个工厂编排了专业模型对的GPU加速训练，包括一个物理预测模型和一个强化学习控制策略。通过将Amazon ECS与EC2 GPU容量、SQS消息传递和由准入控制的Lambda调度器集成，该架构在超过40,000个生产训练作业的基础上，与始终开启的GPU基础设施相比，成本降低了72-78%。研究人员还发布了经验教训和开源…
-
AWS 发布 Bedrock AgentCore 以支持事件驱动的 AI 智能体
Amazon Bedrock AgentCore 引入了 AI 智能体的新范式，超越了传统的聊天界面，实现了能够响应事件流的“环境智能体”。这些智能体可以处理文档或系统警报，在必要时暂停以获取人工输入，然后恢复任务。这种方法利用了现有的 AWS 基础设施，如 Amazon S3 和 EventBridge，为大规模构建和部署这些智能体提供了无服务器平台。目标是在保持人工监督关键决策的同时，自动化常规任务，从而提高效率和信任度。
-
AWS 发布无服务器 Git 指标仪表板，用于 AI 工具影响分析
AWS 推出了一个新的无服务器框架，用于收集和分析 Git 指标，旨在帮助工程团队衡量 AI 编码工具的影响。该框架可自动从 GitHub 和 GitLab 等平台提取数据，并通过 Amazon S3 和 AWS Step Functions 等 AWS 服务进行处理。然后使用 Amazon Quick Sight 仪表板可视化收集到的指标，提供对开发活动的近乎实时洞察，并使团队能够建立基线并随着时间的推移跟踪改进情况。
-
AWS 推出使用 Amazon Bedrock 的无服务器 PII 审核管道
AWS 推出了使用 Amazon Bedrock 数据自动化 (BDA) 的新的无服务器个人身份信息 (PII) 审核管道。该解决方案旨在自动化文档和图像中敏感数据的检测和移除，解决了手动流程和传统审核方法的局限性。通过利用生成式 AI 理解文档上下文的能力，该管道为处理大量敏感信息的组织提供了一种更精确、更具可扩展性的 PII 审核方法。
-
AWS推出KnowledgeForge，利用AI从ITSM工单中挖掘知识
AWS开发了KnowledgeForge，一个旨在从通常被遗忘的已解决IT服务管理（ITSM）工单中提取宝贵知识的系统。该工具旨在通过从工单数据创建新的知识库文章，以及整理现有知识库以删除重复项和提高内容质量来改进企业IT支持。KnowledgeForge利用Amazon Bedrock进行内容生成和改进，Amazon S3 Vectors进行重复检测，以及AWS Step Functions进行工作流编排。
-
AWS SageMaker HyperPod 支持企业智能体进行多轮强化学习训练
AWS 在 Amazon SageMaker HyperPod 上推出了一种用于训练多轮强化学习智能体的新基础设施。该系统利用 Amazon Nova Forge，旨在通过从整个交互序列中学习，而不是孤立的响应，来优化智能体处理复杂的多步工作流。部署涉及一个事件驱动的管道，该管道可自动配置计算资源并路由奖励，使智能体能够学习工具编排和错误恢复，以完成诸如玩 Wordle 等任务。
-
AWS Model Profiler 简化 Amazon Bedrock 中的基础模型选择
AWS 推出了一个名为 Model Profiler 的开源工具，以简化在 Amazon Bedrock 中选择基础模型的过程。该工具聚合了来自各种 AWS API 和外部源的信息，并在一个可搜索的界面中呈现。它旨在帮助用户根据功能、定价和性能指标比较模型，从而加速生产 AI 应用的决策过程。
-
Huntington Bank 使用 AWS AI 自动删除 4 亿多份文档中的敏感数据
Huntington Bank 已成功实施了一个大规模数据自动删除系统，用于识别和移除 4 亿多份文档中的敏感客户信息。通过利用包括 Amazon Textract 进行数据检测和 Amazon SageMaker 进行机器学习在内的 AWS 服务组合，该银行将一个历时数年的项目时间表大幅缩短至仅几个月。该解决方案确保了数据安全并符合 PCI DSS 等严格要求，同时还将处理后的数据复制回本地存储。
-
AWS推出用于智能文档处理的AI管道
AWS推出了一种新的智能文档处理管道，该管道利用生成式AI服务从复杂文档中提取见解。该系统在AWS机器学习博客文章中进行了详细介绍，它利用Amazon Bedrock数据自动化（BDA）来分类、提取、规范化和验证数据，理解超越简单文本提取的上下文和关系。该管道旨在自动化以前需要手动干预的任务，从而降低处理时间和成本。
-
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，…
-
AWS IDP Accelerator 自动化模式生成
Amazon Web Services 为其智能文档处理 (IDP) Accelerator 推出了一项新功能，可自动生成模式。此多文档发现功能可分析未标记的文档集合，使用视觉嵌入按类型对它们进行聚类，然后生成用于信息提取的模式。该解决方案利用 Amazon Bedrock 模型进行模式生成，旨在减少设置 IDP 项目通常需要的手动工作。
-
AWS 通过无服务器解决方案自动化 Amazon Bedrock Knowledge Base 同步
Amazon Bedrock 现在提供了一个自动化的解决方案，用于在 Amazon S3 及其知识库之间同步数据。这种事件驱动的架构使用 EventBridge、Lambda、SQS 和 Step Functions 等 AWS 服务来检测 S3 中的更改并触发摄取作业。该系统旨在遵守 Amazon Bedrock 的服务配额和 API 速率限制，确保在无人干预的情况下进行高效可靠的更新。