PulseAugur
中
实时 21:19:35
实体 sagemaker

sagemaker

PulseAugur coverage of sagemaker — every cluster mentioning sagemaker across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
14
90 天内 30
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
关系
情绪 · 30 天

5 天有情绪数据

最近 · 第 1/2 页 · 共 35 条
  1. TOOL · CL_365752 ·

    SageMaker 推出全量微调功能,增强 LLM 定制能力

    Amazon SageMaker AI Serverless 模型定制现已支持全量微调 (FFT),这是一种同时更新所有模型参数的方法,可实现对特定领域和任务的卓越适应。该方法与参数高效微调 (PEFT) 方法(如 LoRA)形成对比,后者仅更新部分参数,可能限制在复杂任务上的性能。FFT 特别有利于大型数据集,与通用模型相比,可提供更高的准确性和成本效益。

  2. SIGNIFICANT · CL_364486 ·

    SID AI 推出 SID-2 agentic search 模型,性能超越 GPT-6 Astra

    SID AI 推出了 SID-2,一款新的 agentic search 模型,旨在通过动态决定后续搜索动作而非依赖固定流程来改进数据检索。该模型可通过 API 以及 Baseten 和 SageMaker 等平台使用,提供不同级别的推理能力,并可针对 NDCG 等特定指标进行优化。在性能测试中,SID-2 Medium 在检索质量上与 Claude Opus 5.5 相当,而利用多个代理的 SID-2 Swarm 配置则以 0.72…

  3. TOOL · CL_363684 ·

    AWS 将人工智能从演示推向全球业务应用

    亚马逊网络服务(AWS)正致力于将人工智能从实验阶段推向全球范围的实际业务应用。该公司正在重点推广其机器学习服务,包括 Amazon SageMaker 和 Amazon Bedrock,以促进这一转变。AWS 旨在帮助企业更有效地利用 Titan Neo、Claude、Llama 2 和 Mistral AI 等人工智能技术。

  4. TOOL · CL_344000 ·

    面向制造业物联网的AI框架:TensorFlow, PyTorch, SageMaker

    本文讨论了适用于制造业物联网应用的AI框架,重点介绍了TensorFlow、PyTorch和SageMaker等工具。它根据边缘部署能力、安全功能和可扩展性需求等标准,指导开发人员选择最佳框架。

  5. TOOL · CL_326583 ·

    卡尔加里311数据分析管道成本和发现详情

    本文详细介绍了使用基于AWS SageMaker构建的MLOps管道分析六年卡尔加里311数据的发现。作者讨论了运行整个管道的相关成本,识别了失败的组件,并为生产加固提出了改进建议。这篇是关于AWS上MLOps和AIOps系列文章的第八篇,也是最后一篇。

  6. TOOL · CL_326102 ·

    Exowatt 使用 SageMaker 定制 AI 代理,性能超越前沿模型

    Exowatt 开发了一个新的 AI 管道,使用 Amazon SageMaker 的无服务器模型定制功能来微调模型以适应特定任务。这种方法使 Exowatt 能够为其太阳能系统监控和管理创建专门的 AI 代理,以显著更低的成本实现了比通用前沿模型更高的准确性。该管道能够将这些代理快速部署到云端和边缘设备,解决了前沿模型在成本、专业化和连接性方面的局限性。

  7. TOOL · CL_318593 ·

    卡尔加里在 SageMaker 上使用影子模式机器学习模型处理 311 请求

    作者详细介绍了在 Amazon SageMaker 上使用影子模式的机器学习模型对卡尔加里未结的 311 请求进行评分的过程。由于作者对该模型获批上线使用有所保留,因此这种方法允许在不直接影响城市服务的情况下评估模型的性能。目的是收集数据用于下一阶段,以衡量模型的有效性。

  8. TOOL · CL_318473 ·

    NVIDIA、OpenAI 和 AWS 详细介绍基础设施和扩展方面的进展

    NVIDIA 正在通过新的全局性能调优器增强其 TensorRT 性能优化,旨在扩展到单个构建路由之外。OpenAI 正在快速扩展其在线存储基础设施,以支持超过十亿 ChatGPT 用户。同时,AWS 正在详细介绍如何使用 AWS CDK 来编排 SageMaker AI 端点的自动扩展。

  9. TOOL · CL_309579 ·

    卡尔加里 311 分诊模型实施面临 MLOps 挑战

    作者讨论了为卡尔加里市 311 分诊模型实施 MLOps 所面临的挑战。他们强调,需要手动执行的模型并非真正的管道,并详细介绍了一个涉及 SageMaker Processing 步骤、用于管理成本的数据门以及用于避免不必要支出的缓存重新运行机制的过程。

  10. SIGNIFICANT · CL_303963 ·

    Meta发布816B Muse Spark Open模型用于智能体,附带使用限制

    Meta发布了Muse Spark Open,一个拥有8160亿参数、420亿活跃参数的模型,专为智能体任务和编码设计。该模型拥有100万token的上下文窗口和原生多模态能力,Meta声称它是迄今为止最强大的美国开源模型。虽然它在工具调用方面表现出色,但在原始编码和通用智能基准测试上的表现落后于一些中国的领先模型。Muse模型许可证限制了年收入超过2000万美元的服务进行商业使用,除非另有协议,这与传统的开源许可证有所区别。

  11. TOOL · CL_296382 ·

    MCP服务器统一管理六个AWS推理后端,简化操作

    新开发的MCP服务器能够管理六种不同的AWS推理后端,包括Amazon Bedrock、SageMaker端点、EC2实例上的vLLM,以及Inferentia2和Trainium芯片上的Gemma 4。该服务器以单个Python文件的形式实现,通过统一的接口支持列出、启动、健康检查、日志记录、查询和拆除这些后端。该系统旨在简化AWS内多个推理资源的管理,使代理能够通过stdio上的JSON-RPC与之交互。

  12. TOOL · CL_293328 ·

    AWS 推出 EC2 的 AI 驱动自动扩展功能,承诺节省成本

    Amazon Web Services (AWS) 推出了 Intelligent Adaptive Scaling (IAS),这是其 Elastic Compute Cloud (EC2) 的一项新的人工智能驱动的自动扩展功能。该功能利用机器学习模型以 95% 的准确率预测工作负载高峰,从而实现实时资源调整,并有望为开发人员节省大量成本。IAS 与 AWS 的 SageMaker 平台集成,以分析使用模式和外部事件,将云基础设施管…

  13. TOOL · CL_283439 ·

    AWS 服务上的 Gemma 4 推理选项详解

    本文探讨了如何在 Amazon Web Services (AWS) 上使用 Gemma 4 大型语言模型进行推理。文章详细介绍了多种方法,包括使用 Amazon Bedrock、设置 SageMaker 实时端点,以及利用不同的 AWS 硬件,如图形处理单元 (GPU)、AWS Inferentia 和 Trainium 芯片。

  14. COMMENTARY · CL_254025 ·

    AI框架与游戏开发趋势探讨

    该集群涵盖两个不同的AI应用:一个探讨TensorFlow和PyTorch等AI开发框架,通过案例研究比较开源与专有解决方案。另一个则深入探讨AI对视频游戏开发的影响,详细介绍程序化生成、NPC复杂性以及开发周期加速方面的进展,并概述2025年的行业趋势。

  15. TOOL · CL_214389 ·

    LLM规划器的结构性缺陷在模型升级后依然存在

    一个关于构建名为PlannerCritic的开源LLM规划引擎的系列文章揭示了该规划器在创建可靠计划方面的结构性缺陷。尽管使用了GPT-4o等先进模型并实现了修订循环,该规划器仍然一贯地犯三类相同的错误:未经验证的依赖关系、不安全的排序以及薄弱的回滚机制。作者得出结论,这些问题源于规划结构本身的根本性问题,而非LLM的大小或能力,并且需要确定性验证才能改进。

  16. TOOL · CL_190770 ·

    云工程师应了解的 EC2 和 S3 之外的 AWS AI/ML 服务

    本文重点介绍了云和 DevOps 工程师应了解的 15 项 AWS AI 和机器学习服务,超越了 EC2 和 S3 等基础服务。它涵盖了为各种机器学习任务设计的系列产品,包括数据处理、模型训练和自然语言处理。

  17. TOOL · CL_160120 ·

    MLOps:将 ML 推理从 SageMaker 迁移到 Snowflake

    本文讨论了将机器学习推理工作负载从 Amazon SageMaker 迁移到 Snowflake 的好处。作者主张将模型迁移到数据所在的 Snowflake 中,而不是持续将数据传输到外部模型平台。这种方法旨在简化 MLOps 流程并提高效率。

  18. TOOL · CL_140643 ·

    MLOps详解:弥合从Notebook到生产的鸿沟 · 追踪8个来源

    该文章集探讨了MLOps,即将DevOps原则应用于机器学习模型以确保其能够可靠地部署和维护在生产环境中。多篇文章详细介绍了如何构建自愈MLOps管道,该管道可自动检测数据漂移等问题并重新训练模型。文章涵盖了各种工具和平台,包括AWS、Kubernetes、Docker和Python,以弥合模型在Notebook中开发与生产就绪之间的差距。

  19. TOOL · CL_134784 ·

    Qdrant 通过原生 ColBERT 重排将 RAG Token 成本降低 67%

    Qdrant 推出了原生 ColBERT 重排功能,显著降低了检索增强生成 (RAG) 系统的 Token 成本。这项新功能允许 Qdrant 直接在数据库内进行 Token 到 Token 的比较,无需外部重排服务及其相关的网络开销和成本。通过集成这项先进的重排功能,Qdrant 用户可以在隔离相关信息方面实现更高的准确性,从而在 RAG 流水线中将 Token 消耗量估计减少 67%,这在法律 AI 用例中得到了证明。

  20. TOOL · CL_122895 ·

    亚马逊将停用Mechanical Turk,停止接受新客户注册

    亚马逊将于2026年7月30日停止接受新客户注册,逐步淘汰其Mechanical Turk众包服务。现有用户可以继续使用该平台,但亚马逊表示不计划推出新功能。Mechanical Turk于2005年推出,曾为训练AI模型和其他数据标注需求提供小任务,但面临劳动伦理和可靠性方面的批评,据报道许多工人现在使用AI来完成任务。