AI 市场雷达
追踪融资、产品发布、模型更新和行业趋势。看完新闻后，也可以继续查看相关工具、模型、榜单和对比。
新闻索引
85
篇文章覆盖 AI 行业新变化
新闻流
使用 Jamf 的 AI 治理和 Amazon Bedrock 在 Mac 上管理 AI 应用
Jamf 的 AI 治理与 Amazon Bedrock 集成，帮助企业跨 Mac 设备群管理、配置和验证 AI 应用设置，确保部署的安全性和合规性。
使用 Unsloth 在 Amazon SageMaker AI 上部署量化模型
AWS ML 博客详细介绍了四种使用 Unsloth 构建的量化模型在 Amazon SageMaker AI 上的部署模式，涵盖 EC2、SageMaker 端点、EKS 和 ECS，以实现生产就绪的推理。
使用 Amazon SageMaker AI 无服务器模型定制微调 NVIDIA Nemotron 3 模型
AWS 在 Amazon SageMaker AI 中推出了无服务器模型定制功能，使用户能够通过 SageMaker Studio 直接微调 NVIDIA Nemotron 3 模型，并简化工作流程。
在 Henry Schein One 利用 Amazon SageMaker AI 实现牙科图像实时验证
Henry Schein One 在 Amazon SageMaker AI 上部署了“图像验证”功能，以实时检查牙科 X 光片的质量。该系统已在 10,000 多个地点处理了超过 1100 万张图像。
使用 Amazon Bedrock AgentCore 构建 AI 驱动的 AWS 支持助手
AWS 推出了一款基于 Amazon Bedrock AgentCore 和 Strands Agents 构建的对话式支持助手。借助 MCP，它能分析 CloudWatch 日志、搜索文档、查询 re:Post，并通过 Amplify 前端创建工单。
使用 Amazon SageMaker AI 和 MLflow 监控判别式机器学习模型
AWS ML 博客展示了如何通过将开源 Evidently 与 Amazon SageMaker AI 和 MLflow 集成，来监控判别式机器学习模型，从而跟踪漂移、比较结果并自动化流水线通知。
亚马逊在QuickSight中推出多数据集主题（Topics），构建了一个统一的语义层，使聊天代理能够利用预定义的关系生成跨数据集查询，并通过零售分析场景进行了演示。
赋能科学发现：BYOKG 与 GraphRAG 在智能制药研究中的应用
AWS 探索将 GraphRAG 应用于制药研究，通过结合图数据库与生成式人工智能加速发现过程，同时保持科学完整性。
AWS 推出了一款由 Amazon Bedrock AgentCore 框架驱动的无服务器图像编辑智能体。用户只需上传照片并用自然语言描述修改需求，即可即时获得结果，无需编写自定义编排代码。
从 Hugging Face 到 Amazon SageMaker Studio，一键直达
AWS 宣布与 Amazon SageMaker AI 建立深度链接集成，允许开发者通过单击一次，即可从模型发现过渡到在 SageMaker Studio 中进行动手实验。
在 Amazon SageMaker HyperPod 上为 Amazon Nova 部署多轮强化学习基础设施
AWS 利用 Amazon Nova Forge 在 SageMaker HyperPod 上推出了一种两阶段的多轮强化学习（RL）基础设施。该架构包含由 S3 触发的事件管道，并通过一个 Wordle 游戏占位符演示了训练过程。
使用 Amazon Nova 自动对图像中的个人身份信息（PII）进行脱敏
AWS 推出了一种基于 Amazon Nova 的多步骤流水线，用于自动对图像中的个人身份信息（PII）进行脱敏。该方案结合了 Nova 的视觉推理能力、Meta 的 SAM 3 用于分割以及 Amazon Textract 用于光学字符识别（OCR），能够处理身份证和车牌等复杂场景。
教导模型遗忘：在 Amazon Nova 中实现选择性遗忘
AWS 推出了 rDPO，这是一种用于 Amazon Nova 的新型遗忘技术，可实现自定义内容审核。该方法在保持模型高质量和高性能标准的同时，减少了安全过滤器中的过度拦截现象。
将流式基准测试和推荐结果传输到使用 Amazon SageMaker AI 的 MLflow
AWS 为 SageMaker AI 推理推荐和基准测试作业引入了 MLflow 集成，使指标、参数和图表能够实时流式传输到统一的无服务器跟踪界面。
Amazon SageMaker AI 中多轮强化学习的最佳实践
AWS 分享了在 Amazon SageMaker AI 中实现可靠的多轮强化学习的最佳实践，涵盖训练环境、外部评估、奖励设计、变更管理和指标监控。
HippoRAG：基于亚马逊 Bedrock、Neptune 和个性化 PageRank 的神经生物学启发式 RAG
AWS 推出了 HippoRAG，这是一种受神经生物学启发的检索增强生成（RAG）系统，利用 Amazon Bedrock、Neptune 和个性化 PageRank 实现企业级知识检索。
Amazon Bedrock 如何捕获 AI 生成的钓鱼邮件
Amazon Bedrock 引入了新功能以检测 AI 生成的钓鱼邮件，帮助安全团队对抗利用生成式人工智能和开源情报（OSINT）精心策划的复杂社会工程学攻击。
AgentCore Memory 中的结构化元数据过滤
AWS 在 AgentCore Memory 中引入了带有元数据的结构化内存过滤功能，详细阐述了其在企业级多智能体和多租户架构的配置、摄入和检索过程中的作用。
在 Amazon SageMaker AI 上使用 BoltzGen 加速蛋白质设计
AWS 展示了如何在 Amazon SageMaker AI 上部署 BoltzGen 以实现端到端的蛋白质设计，该方案具备可扩展的执行模式和步骤级缓存功能，旨在优化迭代研究工作流程中的成本。
微调 Amazon Nova 模型以实现精准的邮件数据提取
AWS 展示了如何通过 SageMaker AI 微调 Amazon Nova 模型，在解决模式识别和字段区分挑战的同时，将邮件数据提取准确率提升至 94.77%，并将成本降低 50%。
