Amazon SageMaker-青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

行动起来，活在当下

累计撰写 5216 篇文章
累计创建 1867 个标签
累计收到 0 条评论

目录CONTENT

以下是 Amazon SageMaker 相关的文章

2026-02-10
使用 Hugging Face 和 Amazon SageMaker AI 扩展 LLM 微调能力企业正越来越多地将通用大语言模型（LLM）转向基于私有数据进行专业化微调。本文深入探讨了如何利用 Hugging Face 与 Amazon SageMaker AI 的紧密集成，克服扩展 LLM 微调的技术和运营挑战。通过集成了 LoRA 和 FSDP 等先进技术，企业能够简化模型定制流程，加速实现领域特定 LLM 的价值，同时保持对数据的完全控制。
- 2026-02-10
- 0
- 0
- 0
2026-02-07
使用 HyperPod CLI 和 SDK 管理 Amazon SageMaker HyperPod 集群本文详细介绍了如何利用 Amazon SageMaker HyperPod 的命令行界面（CLI）和软件开发工具包（SDK）来简化大规模 AI 模型训练的基础设施管理。我们将通过实践示例，演示如何使用 `hyp` 命令创建、监控、修改和删除 HyperPod 集群，帮助数据科学家和机器学习从业者专注于模型开发，而非底层系统的复杂性。
- 2026-02-07
- 0
- 0
- 0
- AI新闻/评测
- AI工具应用
2026-02-07
使用基于Amazon Nova规则的大型语言模型裁判对生成式AI模型进行评估（第2部分）本文深入探讨了Amazon SageMaker AI中基于Amazon Nova规则的大型语言模型（LLM）裁判功能。这种新方法能根据具体提示自动生成定制化的评估标准（规则），取代了过去通用的静态规则。我们将详细介绍其工作原理、训练方法、关键指标以及如何进行校准，并分享使用SageMaker训练作业评估和比较不同LLM输出的Notebook代码。
- 2026-02-07
- 0
- 0
- 0
2026-01-31
使用 Amazon SageMaker AI 上的 Amazon Nova LLM-as-a-Judge 评估生成式 AI 模型评估大型语言模型（LLM）的性能超越了传统的统计指标。本文介绍了如何在 Amazon SageMaker AI 上使用 Amazon Nova LLM-as-a-Judge 功能，这是一个强大的、经过严格验证的 LLM 评估方法。Nova LLM-as-a-Judge 能够提供公正的、与人类偏好高度一致的成对比较，帮助用户在几分钟内部署工作流程，并做出数据驱动的模型改进决策。
- 2026-01-31
- 0
- 0
- 0
2026-01-31
使用 Amazon Nova LLM-as-a-Judge 在 Amazon SageMaker AI 上评估生成式 AI 模型评估生成式AI模型的性能不能仅依赖统计指标。本文介绍了Amazon Nova LLM-as-a-Judge的综合方法，该功能在Amazon SageMaker AI上运行，能利用LLM的推理能力对其他模型进行灵活、大规模的评估。Nova LLM-as-a-Judge经过严格验证，在关键指标上表现出色，并能紧密反映人类偏好，是实现可靠、生产级LLM评估的新标准。
- 2026-01-31
- 1
- 0
- 0
2026-01-31
使用基于Amazon S3模板的Amazon SageMaker AI项目简化ModelOps 本文介绍了Amazon SageMaker AI Projects中推出的基于Amazon S3的新模板功能，它极大地简化了ModelOps工作流的设置与管理。通过S3模板，管理员可以利用S3的版本控制和生命周期策略，以更低的开销为数据科学家团队提供安全、版本化的自动化项目模板，显著降低了MLOps的复杂性。
- 2026-01-31
- 2
- 0
- 0
2026-01-13
Omada Health 如何通过在 Amazon SageMaker AI 上微调 Llama 模型来扩展患者护理 Omada Health 携手 AWS 和 Meta，在 Amazon SageMaker AI 上使用 Llama 模型开发了 OmadaSpark AI 助手，专注于个性化营养教育。通过 QLoRA 微调 Llama 3.1 8B 模型，Omada 实现了实时、循证的患者支持，同时确保了 HIPAA 合规性，显著提升了患者参与度和护理效率。
- 2026-01-13
- 1
- 0
- 0
2026-01-10
基于 Amazon SageMaker AI 构建 TrueLook 的人工智能驱动建筑安全系统架构本文深入探讨了TrueLook如何利用Amazon SageMaker AI构建和部署其人工智能驱动的建筑安全监控系统。通过结合计算机视觉和MLOps最佳实践，TrueLook实现了对个人防护设备（PPE）的自动化检测，显著提升了工地的安全合规性与效率。了解其三阶段模型微调流程与SageMaker Pipelines的强大能力。
- 2026-01-10
- 0
- 0
- 0
2026-01-10
使用Amazon SageMaker AI上的AWQ和GPTQ进行训练后权重和激活的量化，加速LLM推理本文深入探讨了如何在Amazon SageMaker上利用AWQ和GPTQ技术加速大型语言模型（LLM）的推理过程。通过后训练权重和激活量化，我们展示了如何显著降低延迟和提高吞吐量，优化LLM的部署成本和性能。
- 2026-01-10
- 0
- 0
- 0
- AI基础/开发
- AI工具应用
2025-12-26
使用 BentoML 的 LLM-Optimizer 在 Amazon SageMaker AI 上优化 LLM 推理本文深入探讨了在 Amazon SageMaker AI 上使用 BentoML 的 LLM-Optimizer 来系统化优化大型语言模型（LLM）推理性能的方法。通过自动化基准测试和参数调优，您可以告别繁琐的手动试错，快速找到满足延迟和吞吐量服务水平协议（SLA）的最佳配置，从而显著提升自托管模型的效率和成本效益。
- 2025-12-26
- 0
- 0
- 0
2025-12-23
在 Amazon SageMaker AI 上部署 Mistral AI 的 VoxLlama 模型本文详细介绍了如何利用 Amazon SageMaker 快速部署 Mistral AI 推出的先进多模态模型 VoxLlama。我们将探讨使用 SageMaker 托管服务部署高性能大语言模型的步骤，为开发者和企业提供了一个高效、可扩展的解决方案，以在云端运行和集成最前沿的 AI 技术。
- 2025-12-23
- 0
- 0
- 0
2025-12-20
面向Amazon SageMaker Studio推出SOCI索引：为AI/ML工作负载提供更快的容器启动时间 AWS重磅推出Amazon SageMaker Studio的新功能：SOCI（Seekable Open Container Initiative）索引。该功能通过实现容器镜像的延迟加载，显著缩短了AI/ML工作负载的容器启动时间，将等待时间从几分钟缩短到几秒钟。本文详细介绍了SOCI的工作原理、先决条件、创建索引的步骤以及基准测试结果，旨在帮助数据科学家和ML工程师减少环境初始化等待，提高开发效率。
- 2025-12-20
- 0
- 0
- 0
- AI工具应用
- AI基础/开发
2025-12-18
使用 Amazon SageMaker AI 跟踪和管理 AI 开发中使用的资产构建定制基础模型需要协调数据、计算、模型架构、评估器和部署等多个资产。本文深入探讨了 Amazon SageMaker AI 如何通过自动跟踪和管理数据集版本、自定义评估器以及端到端血缘关系，简化生成式 AI 开发的复杂性，确保模型的可追溯性和可复现性。
- 2025-12-18
- 0
- 0
- 0
2025-12-18
使用 Snowflake 集成在 Amazon SageMaker 上通过 MLflow 跟踪机器学习实验本文介绍了如何将 Amazon SageMaker 托管的 MLflow 与 Snowflake 集成，以实现在数据环境中进行机器学习实验跟踪。通过 Snowpark 库，您可以在 Snowflake 中进行数据处理和特征工程，并利用 SageMaker MLflow 作为中央存储库来记录和监控实验元数据、参数、模型和结果，从而实现更安全、更高效的 MLOps 工作流。
- 2025-12-18
- 1
- 0
- 0
2025-12-17
塔塔电力CoE如何利用Amazon SageMaker AI和Amazon Bedrock构建可扩展的AI驱动太阳能电池板检测解决方案本文深入探讨了塔塔电力（Tata Power）如何与Oneture Technologies合作，利用AWS服务（包括Amazon SageMaker AI和Amazon Bedrock）构建了一个革命性的AI驱动太阳能电池板安装检测系统。该方案解决了传统手动检测耗时长、可扩展性差和质量不一致的痛点，实现了超过90%的准确率和80%的复检率下降，加速了清洁能源的推广。
- 2025-12-17
- 0
- 0
- 0
2025-12-16
使用 SageMaker HyperPod 弹性训练实现基础模型训练的自适应基础设施本文介绍了 Amazon SageMaker HyperPod 新增的弹性训练功能，它允许机器学习（ML）工作负载根据资源可用性自动伸缩。通过动态调整资源，弹性训练可最大化 GPU 利用率，降低成本，并加速模型开发，同时保持训练质量并最大限度地减少手动干预。我们将深入探讨其工作原理、配置步骤以及性能表现。
- 2025-12-16
- 0
- 0
- 0
2025-12-16
Amazon SageMaker HyperPod 的无检查点训练：面向更快速故障恢复的生产规模训练随着基础模型训练的规模不断扩大，传统的基于检查点的恢复方法已成为效率瓶颈。本文介绍了 Amazon SageMaker HyperPod 上的无检查点训练，这是一种范式转变，通过实现对等状态恢复，显著减少了对传统检查点的依赖。生产规模验证结果显示，恢复时间减少了 80%–93%，在数千个 AI 加速器集群上可实现高达 95% 的训练有效吞吐量（Goodput）。
- 2025-12-16
- 0
- 0
- 0
2025-12-12
扩展MLflow以支持企业级AI：SageMaker AI中MLflow的新特性 AWS发布了Amazon SageMaker AI中的新MLflow功能，引入了无服务器能力，可动态管理基础设施的预置、扩展和运维。这项更新无需管理员配置，即可实现实验跟踪、可观测性和模型性能评估的自动化，并支持跨账户共享和与SageMaker Pipelines的集成，显著简化了企业级ML和生成式AI工作负载的管理。
- 2025-12-12
- 0
- 0
- 0
2025-12-10
Amazon SageMaker HyperPod 的托管分层 KV 缓存和智能路由本文介绍了 Amazon SageMaker HyperPod 中新增的托管分层 KV 缓存和智能路由功能，旨在解决大型语言模型（LLM）推理中因上下文长度增加导致的延迟和成本问题。这些新功能通过优化 KV 缓存管理和请求路由，可将 TTFT 降低高达 40%，并将吞吐量提升高达 24%，显著降低推理成本。
- 2025-12-10
- 0
- 0
- 0
- AI行业应用
- AI工具应用
2025-12-04
AWS re:Invent 2025：企业级AI代理和模型定制成最大亮点 AWS re:Invent 2025 大会聚焦企业级AI，重点推出了增强AI代理功能，使其能独立工作数日。首席执行官Matt Garman强调AI代理是释放AI真正价值的关键。此外，AWS还发布了简化定制LLM的工具，如SageMaker的无服务器模型定制和Bedrock的强化微调功能，并展示了Trainium3芯片和企业级AI工厂解决方案。
- 2025-12-04
- 0
- 0
- 0

1
2