AI & Machine Learning
- Advanced (300)
ساخت لایه معنایی برای AI عامل‌محور در AWS با Denodo و Amazon Bedrock AgentCore
لایه معنایی مدیریت‌شده برای AI عامل‌محور در AWS با استفاده از Denodo و Amazon Bedrock AgentCore ساخته می‌شود که داده‌ها را از منابع مختلف فدرال می‌کند.
- Amazon Bedrock
ایجاد زیرساخت هوش مصنوعی چندمستاجری امن توسط Octave در Amazon Bedrock
Octave با استفاده از Amazon Bedrock و Cohere Embed v4، زیرساخت هوش مصنوعی چندمستاجری امنی ایجاد کرده است که به کمک آن می‌تواند اسناد را بدون عبور از مرزهای مستاجر جستجو کند.
- Advanced (300)
ایجاد تحقیقات چند ابری با استفاده از Amazon Bedrock AgentCore
شرکت Eon با استفاده از Amazon Bedrock AgentCore، دسترسی یکپارچه به تحقیقات تولیدی را برای بیش از ۱۰۰ توسعه‌دهنده فراهم کرده است.
- AI in practice
دیپ‌سیک موتور استنتاج DeepInfer را متن‌باز کرد
دیپ‌سیک موتور استنتاج DeepInfer را که پشت مدل سریع V4.1-Flash است، متن‌باز کرد. این سیستم مبتنی بر vLLM هزینه‌های محاسباتی و مصرف انرژی را کاهش می‌دهد.
- AI in practice
بهبود چشمگیر GPT-6 در زبان‌های برنامه‌نویسی قدیمی
OpenAI مدل‌های جدید خود را برای زبان‌های برنامه‌نویسی کم‌منبع مانند COBOL و Fortran بهبود داده است. GPT-6 Astra در آزمون MultiLangBench به نرخ قبولی ۸۷.۴ درصدی دست یافته است.
- Advanced (300)
امنیت هویت عامل‌های هوش مصنوعی با X.509 PKI در AWS
استفاده از Keyfactor EJBCA و خدمات AWS برای تأمین امنیت هویت عامل‌های هوش مصنوعی با استفاده از هویت رمزنگاری شده.
- Advanced (300)
بهینه‌سازی GPT-OSS-20B برای استدلال چندزبانه در Amazon SageMaker HyperPod
بهینه‌سازی مدل GPT-OSS-20B برای استدلال چندزبانه در Amazon SageMaker HyperPod با استفاده از SFT و GRPO انجام شد.
- Advanced (300)
مدل توجه خطی Laplace 3B در AWS Trainium2 با PyTorch
مدل توجه خطی Laplace 3B با استفاده از AWS Trainium2 و PyTorch بومی آموزش داده شده است. این مدل بدون نیاز به کش کلید-مقدار، حافظه ثابتی را برای هر توالی حفظ می‌کند.