Amazon Payments 如何在 AWS 上用上下文老虎机优化获客漏斗个性化转化
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机优化产品获客漏斗的内容选择,并在 7 周线上 A/B 测试中看到一类客户最终漏斗转化获得高个位数百分比相对提升,另一类客户没有改善。
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机优化产品获客漏斗的内容选择,并在 7 周线上 A/B 测试中看到一类客户最终漏斗转化获得高个位数百分比相对提升,另一类客户没有改善。
uniopen 基于 Amazon Nova 2 Lite,通过 Amazon SageMaker AI 监督微调和提示词输出优化,将模型适配其零售内容审核策略并用于生产。
Databricks 联合 OpenAI 与 Stellantis 探讨企业在生产环境规模化扩展智能体应用所需的基础设施,核心是选择、上下文与控制三项能力。
AWS 教程演示在 Amazon Bedrock AgentCore Runtime Instances 上部署三个协作智能体,共同生成、母带处理并审核可播放的 .wav 音乐文件。
推荐理由:教程用共享会话把三个独立部署的智能体放到同一 GPU 实例,适合参考长周期多智能体工作流的工程编排方式。
一篇技术教程展示如何用 Amazon Bedrock Knowledge Bases 构建理赔助手,通过自然语言查询 Amazon S3 中的理赔文档并返回带引用的答案。
Databricks Unity Catalog 托管表可将数据保留在客户自有的 S3、ADLS 或 GCS 存储中,并支持 Iceberg 与 Delta 格式。
Databricks 介绍了基于 Unity Gateway 的新模型上线流程:首日以实验模式向全员开放,通过每用户预算限制支出,再依据私有基准、用户反馈和 OpenTelemetry 成本追踪决定推广或下架。
推荐理由:文章拆解了企业在全员快速试用新模型时,如何用预算、基准和真实会话成本控制风险并决定默认模型。
Condé Nast 与 AWS GenAIIC 基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频发现方案,采用 TwelveLabs Marengo embedding 模型联合编码画面、音频与字幕,将单次内容发现耗时从 250 分钟降至 2 分钟以内。
AWS 推出基于 Amazon Quick 与 Amazon Bedrock AgentCore 的合同智能平台,用 AI 智能体将合同 PDF 转为可查询的结构化数据,解决 RAG 无法跨数百份合同聚合统计的问题。
Amazon Quick 系列文章逐组件讲解提示词工程,覆盖 Quick Research、Quick Flows、Quick Sight 等能力对提示词的不同解析方式与最佳模式。
AWS 介绍 Amazon Quick 的提示词工程基础,强调通过具体性、业务上下文、少样本示例和结构化输出提升 AI 功能的首次结果质量。
Asana 基于 Work Graph 模型,让 Claude 驱动的 AI 智能体在同一工作平台中承担角色、任务和协作,并通过权限边界保障访问安全。Claude 是 Asana 员工的默认 AI 工具,可连接 Google Drive、Slack、Asana 等平台,帮助整理非结构化信息并转入项目与任务。
Anthropic 发布《Building an AI-native revenue organization》指南,指导营收负责人在销售组织中推广 Claude,涵盖成熟度模型、试点前配置决策、setup/pilot/scale 三阶段计划及效率、扩展、新能力三类 ROI 衡量框架。
Databricks 介绍了通过 Unity Gateway 在新模型发布首日向员工开放实验性访问、按用户预算控制成本,并在三天内依据基准、用户反馈和 OpenTelemetry 成本追踪决定是否推广的流程。
推荐理由:文章拆解了企业在新模型发布首日开放、预算约束和三天内依据质量与成本信号决定推广的完整流程。
Genie One 是面向业务用户的数据智能 AI 同事,支持自然语言提问、引用受治理数据来源并触发后续多步骤工作。企业推行包含 Genie One、Genie Agents、Genie Ontology 与 Unity Catalog 四个组件,并应先从单一团队和明确问题集启动试点。试点前需定义语义层、指定负责人、配置权限与审计,并用 25 到 50 个真实问题评估答案质量。
AWS 教程展示如何在 Amazon SageMaker AI 上通过 vLLM-Omni v1.5 DLC 部署 Qwen3-TTS,实现文本输入与 24 kHz PCM 音频块在同一 HTTP/2 WebSocket 连接上双向流式传输。
AWS 教程演示在 SageMaker AI 上用同一 vLLM-Omni DLC 部署 FLUX.2-klein-4B 实时端点生成图像,并用 Wan2.1-VACE-1.3B 异步端点将图像生成 MP4 视频。视频请求与输出通过 Amazon S3 传递,示例提供 CLI 与 Streamlit 界面,使用 ml.g6.xlarge 和 ml.g6e.xlarge 实例。
AWS 文章介绍了基于 Amazon Nova Act 与 Amazon Bedrock AgentCore 的智能体合成监控方案,用多模态 LLM 读取 UI 截图替代 DOM 选择器,早期企业用例中浏览器工作流准确率超过 90%。方案由 EventBridge Scheduler 按 5 分钟至 1 小时调度,失败时通过 Amazon SNS 告警,并提供含完整实现的示例仓库。
AWS 机器学习博客给出一套跨账户自动化管理 Amazon Textract adapter 生命周期的方案,涵盖 AWS CloudFormation 与 Terraform 模板、跨账户提升流程、生产安全配置和文档预分类路由模式。
Databricks 指南梳理了营销与数据工程团队常产生分歧的 24 个营销数据术语,并围绕活动执行中的五个实际问题组织内容。指南对比了双方对 Event、Customer、Segment、Audience、Activation 等术语的不同理解,建议团队在工作开始前统一定义、确认数据来源与身份口径,以避免活动返工和额外成本。
GitHub 官方教程介绍如何在 GitHub Copilot 应用中用 /create-canvas skill 通过自然语言描述生成自定义 canvas 界面。
AWS 提出基于 Amazon EKS、EFA 与 DeepEP 的架构,用于大规模扩展 MoE 模型的 RLHF/GRPO 强化学习训练,吞吐量提升 40%。该方案协调 rollout 生成与策略训练的异构算力,并优化跨节点专家并行 all-to-all 通信。
Amazon SageMaker HyperPod 结合开源 RL 框架 SkyRL,可对 Qwen3-VL-8B 视觉语言模型开展 GRPO 多模态强化学习训练。
AWS 介绍 NarrateAI 在 Amazon Bedrock 上用五项工程机制实现生产级 LLM 质量保障,服务超过 4,000 名 AWS 高管用户。系统通过自适应流水线让约 90% 查询走单次 LLM 调用,混合成本约为每次查询 1.4 次 LLM 调用;跨账号多模型故障转移把模型与账号组合成独立配额空间,负载测试支持超过 100 名用户并发流式请求。
推荐理由:文章拆解了自适应路由、跨账号故障转移、流式评估和数值校验的工程组合,适合构建生产级 LLM 应用时参考。
Amazon SageMaker JumpStart 现可部署公开的 Qwen3-TTS-12Hz-1.7B-Base 到全托管实时推理端点,用于几秒参考音频的声音克隆。
S&P Global Energy 基于 Databricks Genie Agents 和 MCP,将跨 Databricks 与外部来源的结构化数据资产开放给 AI 智能体,实现自然语言问答。
Datacor 在 TrackAbout 中集成 Amazon Quick Sight,为工业气体与焊接分销商提供交互式仪表盘和自然语言查询,用户无需等待 IT 自定义报表即可分析租赁收入、资产利用率和回收率。
Amazon SageMaker HyperPod 搭配 Cloud Native Qumulo 与 Cloud Data Fabric,可让训练任务跨 AWS 区域读取数据集而无需复制数据或修改代码。
Databricks 展示如何在其平台上部署开源决策模型 SemIf-OpenJev,并通过 SQL 中的 ai_query 直接对受治理数据运行结构化分类。该方案使用 Serverless GPU 与 AI Runtime,经 Notebook 自动下载模型、通过 Express Deployments 注册并创建 GPU Model Serving 端点,示例用于将酒店评论分类为好评或差评。
AWS 推出 WhisperX 深度学习容器,可在 Amazon SageMaker AI 上部署带逐词时间戳和说话人标签的语音转录服务。该容器基于 OpenAI Whisper,集成 wav2vec2 强制对齐与说话人分离,支持 json、srt、vtt 等输出格式,无需自建镜像。实时端点适用于 60 秒内的短音频,异步端点适用于长音频与批量任务。
AWS 教程展示用 Amazon Bedrock AgentCore Gateway 与 MCP 构建多账户 AI 智能体,让数据保留在各业务团队账户内,仅在查询时按需流出。
Aderant 通过 Amazon Bedrock 使用 Amazon Nova Lite 构建 Intelligent Ticket Analyzer,自动完成支持工单的上下文收集、分类、路由与知识补充。系统在上线前 2.5 周处理 109 张工单,路由准确率约 96%,预计每周节省 8–14 个工程小时,总运行成本低于每月 $30。
作者在 Databricks 上构建了基于智能体的安全审查层,用 Unity Catalog、托管基础模型 Claude Haiku/Sonnet/Opus、Lakeflow Jobs 与 Databricks Apps 完成受理、风险评估、标准映射、需求草拟和人工交接。
Hugging Face 博客教程演示如何把 SO-101 follower arm 的 MuJoCo 场景迁移到基于 NVIDIA Warp 的 MJWarp,并扩展到最多 2,048 个并行 GPU 环境。
推荐理由:文章用 SO-101 场景串起 CPU 基线、单环境一致性、批量扩容和吞吐测量,适合迁移机器人仿真工作流时参考。
荷兰百年零售商 HEMA 基于 Amazon Bedrock AgentCore 和 MCP 构建内部 AI 助手 HAL,将分散在 wiki、服务目录与 IT 门户的知识统一接入员工常用工具。HAL 支持 HAL web chat、Kiro、Claude 等 MCP 客户端,通过 Microsoft Entra ID 认证,当前为只读访问,原本需跨三四个门户查找的答案现在数秒内即可获得。
GitHub 工程团队介绍了 GitHub Copilot app 重建 pull request 视图的方法,使包含 2,200 个文件、超过百万行变更和 400 多条内联评论的 pull request 仍可流畅滚动。
AWS 介绍了一套基于 Strands Agents SDK、Amazon Bedrock、Amazon Rekognition 和 Amazon Transcribe 的智能体视频问答架构,由 AI 智能体在运行时决定调用转录、视觉分析或 Amazon Bedrock Data Automation。
AWS 教程展示如何用终端原生开源编码智能体 OpenCode 接入 Amazon Bedrock 上的开放权重模型,让推理在自有 AWS 账户内运行并按 token 计费。
Anthropic 发布企业代码现代化准备指南,提出用 Claude Code 动态工作流前应完成六步:定义目标、建立变更证书、制定分级上线策略、准备环境与审批、构建并试运行智能体工作流、先小规模验证再扩展。指南区分 Uplift、Transform、Reimagine 三类现代化,并说明测试、差分验证、人工审查、CI/CD、安全合规和 token 成本估算等关键准备事项。
推荐理由:文章把企业代码现代化拆成目标、证据、上线策略和工作流等六步,适合准备用 Claude Code 推进大规模改造的团队对照落地。
GitHub 借助 GitHub Copilot app 和 Copilot CLI,将 Copilot agent runtime 从 TypeScript、Node.js 与 V8 技术栈完整重写为 832,378 行生产 Rust,另有 468,689 行 Rust 单元测试。
推荐理由:文章用真实迁移数据拆解了渐进式重写、跨会话协作和人工审查边界,可为大型代码库的 AI 辅助迁移提供方法参照。