亚马逊云科技宣布推出生成式AI新服务加快创新

构开发设计的同时必才可人身必才可可用性和必才可可用性。基础性基本概念具有良好的仅仅限于性，可为反馈搜索、素材创始人及药品见到等诸多领域提供者全力支持。但是对于许多想要并用生成式AI的大的公司来说，尚有一些弊端只能彻底解决。首先，它们只能简就让一般化的选取和可能会面时入门级基础性基本概念，依赖于其场面才可求且表现优异；其次，消费者想要运应用于程序构建无缝内嵌，才可管理者庞大的工程建设战略性或要花费大量成本；之前，消费者想要充分并用基础性基本概念并融合自身数据集来轻松构建差异解构的运应用于程序，而这些消费者应用于内置的数据集无疑是非常可贵的资产，具有政府部门机构，因此在用到反复中所才可能会做到全面保障，在必才可必才可安全和人身必才可安全的同时，必才可消费者对数据集共享和用到手段具备控制权。

充分并用Amazon Bedrock的完善动态，大的公司都能不够方就让、轻松地想法多种抛离的基础性基本概念，用到自己的专有数据集内置基本概念。此外，Amazon Bedrock还提供者差异解构战斗能力，例如才可再必要性执笔任何文档就让可创始人的保护地代理（AI agent），它可以执行十分复杂使命，如环游订位、处置被保险人索赔、策划广告商活动和管理者纳存等。由于Amazon Bedrock采用无增值器（serverless）虚拟化技术，消费者不必管理者任何工程建设，就可以用到不太或许熟悉的安第斯虹上新材料增值将生成式AI战斗能力必才可安全地内嵌和部署到运应用于程序中所。

Amazon Bedrock在开发设计之初就受限于必才可可用性和人身必才可安全保障，想要消费者保障脆弱数据集。消费者可以用到Amazon PrivateLink，在Amazon Bedrock与实体实质上网络平台（VPC）间建立在此之后的必才可安全相连，必才可任何数据集传输都不可能会暴露在公共网络平台。对于长期存在水平政府部门才可求的消费者，Amazon Bedrock符合HIPAA（《健康被保险人流通与责任条款》）立即，并且可以在GDPR（欧盟《通用数据集保障规例》）违反规定规范下用到，让不够多的消费者从生成式AI中所想得到。

Amazon Bedrock通过Amazon Titan Embeddings和Llama 2必要性扩大可选基本概念全域，想要每个消费者找出适当运应用于场面的基本概念

事实上，没有任何一个常规基本概念可以仅仅限于于所有的运应用于场面。因此，为了挖掘生成式AI的最重要性，大的公司偶尔只能可能会面时多个基本概念，根据自己的立即寻找最适当的那一个。为此，Amazon Bedrock让上岸消费者不须通过常规API就能找出和测试AI21 Labs、Anthropic、Cohere、Meta、Stability AI和安第斯提供者的抛离的基础性基本概念。此外，安第斯虹上新材料近日还年初了Anthropic愿景的所有基础性基本概念都将在Amazon Bedrock上最简单，并为安第斯虹上新材料上岸消费者提供者基本概念内置和微调等特殊动态的优先可能会面时。而现在起，Amazon Bedrock再必要性次转用上新基础性基本概念造成了不够多考虑：

· Amazon Titan Embeddings现同年最简单：Amazon Titan基础性基本概念是由安第斯虹上新材料在大改进型数据集集上创始人和预基础训练的一系列基本概念，可以全力支持各种运应用于场面。作为这些基本概念中所第一个同年最简单的基本概念，Amazon Titan Embeddings是一种大重构基本概念（LLM），它将文档组合成被称为浸入矩阵（embeddings）的数值暗示，以全力支持解析加最弱生成（RAG）的运应用于场面。基础性基本概念虽然仅仅限于于多种使命，但却情况下根据从基础训练数据集和提示词字符串中所学到的反馈来看看弊端。一旦这些看看只能并用高时效性的学问或专有数据集时，其有效地性就可能会受限。为了能通过拓展数据集来修改基础性基本概念的看看，许多大的公司将目光移向RAG——这一流行起来的基本概念内置虚拟化技术能将基础性基本概念相连到可被引述的学问纳，从而修改叛离优点。要开始用到RAG，消费者才可能会先可能会面时一个浸入基本概念，将数据集组合成浸入矩阵，使基础性基本概念不够容易解读数据集间的语义和关系。然而，构建浸入基本概念只能大量的数据集和资源，以及密切关系的神经网络平台专业学问，因此很多消费者很难已完成自行构建，也就无法构建RAG。Amazon Titan Embeddings使消费者都能不够简就让地启用RAG，以就让并用专有数据集拓展各种基础性基本概念的战斗能力。Amazon Titan Embeddings全力支持超过25种重构和多达8192个token的字符串长度，非常适当基于大的公司的运应用于场面处置单个单词、短语或整个文档。该基本概念可返回1536个维度的输出矩阵，必才可水平错误性的同时还专为构建不够低推迟和不够优性价比顺利已完成了优解构。

· Llama 2即将在愿景几周发售：Amazon Bedrock是业内首个通过保护地API提供者Meta世代大重构基本概念Llama 2的实际上保护地的生成式AI增值。Llama 2基本概念比之此前的Llama基本概念有了显着修改，以外用到了比原始基础训练多40%的基础训练数据集，并具有变长的字符串长度（4000个token），以处置不够大的文档。Amazon Bedrock提供者的Llama 2基本概念不太或许过优解构，可以在安第斯虹上新材料工程建设上提供者加速叛离，非常适当对话式运应用于场面。消费者可以构建由130亿和700亿个给定的Llama 2基本概念特别设计的生成式AI运应用于程序，且才可所设和管理者任何工程建设。

Amazon CodeWhisperer上新动态将而无须消费者用到实质上文档纳必才可安全地内置CodeWhisperer文档要求，必要性提升程序员效率

Amazon CodeWhisperer是一款基于AI的编程助手，它通过对数十亿行来自安第斯和公开发设计表最简单的文档顺利已完成基础训练，更高程序员的生产力。虽然程序员在日常文书工作中所偶尔性用到CodeWhisperer，但有时他们只能将其大的公司外部实质上文档纳（例如外部API、文档纳、软件包和类）整合到运应用于程序中所，而这些文档都不属于CodeWhisperer的基础训练数据集。外部文档的用到也是一个难题，因为暗示文档实际，并且没有程序员可以求助于的公共资源或论坛。

例如，要执笔一个应用于从购物车中所移除商品的函数，程序员才可能会首先了解应用于与运应用于程序交互的API、集合和其他外部文档。以此前，程序员或许只能要花费数同一一段时间来体检以此前执笔的外部文档，从而找出所才可反馈并解读其文书工作理论。即使找出了错误的资源，他们仍才可仔细体检文档，以必才可其符合的公司字符的最佳实践，并且不可能会重复引述文档中所的任何缺陷或漏洞。

Amazon CodeWhisperer上新内置动态将解锁生成式AI编程的全部潜力，通过必才可安全地并用消费者的外部文档纳和资源提供者内置解构建议。这使得程序员在各种使命中所都能不够吻合地取得文档要求，从而更高效率。首先，职员只能从源（例如GitLab或Amazon S3）相连到他们的实质上文档存储纳，并调度一个作业来创始人自己的内置素材。在创始人内置素材时，CodeWhisperer并用各种基本概念和字符串内置虚拟化技术，研习消费者的文档纳并修改系统对文档要求，从而使程序员花不够少的一段时间去寻找无差别的弊端的错误题目，同时将不够多一段时间投入生产到创始人上新差异解构尽情上。职员可以在安第斯虹上新材料控制台（Amazon Console）控管所有内置动态、查阅指标指标、估算每个内置动态的可用性，并有考虑地将它们部署给的公司内特定的程序员，以限制对脆弱文档的可能会面时。

通过考虑高数量级的存储纳，职员可以必才可CodeWhisperer提供者的内置要求不值得注意已弃用的文档，以依赖于大的公司数量级与必才可安全规范。受限于大的公司级必才可安全和人身必才可安全，这项动态可以必才可内置素材实际上隐密，而全力支持CodeWhisperer的底层基础性基本概念在基础训练反复中所不用到内置素材，都能保障消费者可贵的政府部门机构。该自定义动态将很快作为CodeWhisperer大的公司版的一部分在幻灯片中所提供者给消费者用到。此外，CodeWhisperer的自定义所设默认必才可了必才可可用性，无论消费者用到 Amazon CodeWhisperer专业版还是大的公司版，在处置来自程序员IDE的允诺时，安第斯虹上新材料以外不可能会存储或记录任何消费者素材。

Amazon QuickSight的上新生成式BI创作动态，可以想要该的公司咨询的公司用到自然重构命令轻松创始人和内置数据集建模优点

Amazon QuickSight是一个为虹端构建的实质上BI增值，都能创始互式旧款、分页报告以及浸入式分析，同时具备用到QuickSight Q顺利已完成自然重构查找的战斗能力，因此大的公司的每位用户都能以他们比如说的XML给予所才可的阐明。

上可能会情况下，商业咨询的公司只能要花费数同一一段时间用到BI工具来探寻各种不同的数据集源，替换成算出、创始人和完善建模优点，然后将它们呈现在旧款中所提供者给该的公司利益某类。要创始人一个简就让的数学公式，咨询的公司首先才可能会找出错误的数据集源、识别数据集字段、所设最简单，同时顺利已完成确实的个性解构所设以构建良好的建模优点。

如果顺利已完成数据集建模只能顺利已完成上新算出（例如年度零售商额），咨询的公司还才可能会确定所才可的参考数据集，然后创始人、验证并将真实感替换成到报告中所。如果可以减缓商业咨询的公司手动创始人和调整数学公式和算出所要花费的一段时间，让他们将不够多一段时间投入生产到高最重要性的使命中所，大的公司也能从中所想得到。

上新生成式BI创作动态拓展了QuickSight Q的自然重构查找动态，使其不仅仅都能看看模糊不清表述的弊端（例如，“加利福尼亚州零售商排名此前10的产品是什么？”），还能想要咨询的公司从弊端片段（例如，“零售商排名此前10的产品”）加速创始人可内置的真实感，通过提出后续弊端来澄清查找借此，优解构真实感，并已完成十分复杂的算出。该的公司咨询的公司不须阐述想取得的结果，QuickSight亦可生成具有良好观感的视觉对象。咨询的公司仅仅才可简就让配置就能将其轻松替换成到旧款或报告中所。

例如，咨询的公司可以立即QuickSight Q为“2022年和2023年鞋零售商额的年末近年来”创始人建模素材，该增值可能会系统会考虑合适的数据集，并根据允诺用到最合理的数学公式XML（比如楔图或条形图）绘制所才可反馈。QuickSight Q还将提供者预设的提示弊端，想要咨询的公司澄清在多个数据集字段与其也就是说查找时或许出现的消（比如数学公式应以外鞋零售商额的美元总额还是零售商的其单位个数）。

咨询的公司取得了在此之后的建模素材后，还可以用到自然重构替换成十分复杂的算出，偏离数学公式类改进型，或优解构建模优点。QuickSight Q中所上新生成式BI创作动态使该的公司咨询的公司都能轻松快捷地创始人良好的真实感，不够加速地为大期望量数据集特别设计改进型管理者者提供者可贵的反馈依据。

千行百业的消费者都在并用安第斯虹上新材料的生成式AI增值创始人上新运应用于程序，更高程序员的效率，以及想要咨询的公司不够加速地给予阐明

家得宝是全球性第二大的运动H&M之一。“我们很高兴能参加Amazon Bedrock同年版的的测试，亲身经历尽情这项增值。Amazon Bedrock对我们的生成式AI工具构建大有裨益，Amazon Bedrock应尽了构建生成式AI运应用于的辛苦工程建设政府部门，使我们都能专注于大重构基本概念计划的虚拟化全面性。”家得宝大的公司虚拟化副总裁Daniel Eichten暗示，“我们不太或许用到Amazon Bedrock开发设计了一款生成式AI彻底上新虚拟化技术，使家得宝的广大虚拟化技术人员不须通过单个对话界面，就能从学问纳中所找出所才可的各种反馈和题目，看看从入门到十分复杂的多种虚拟化技术弊端。”

默克是一家制造密集改进型生物制药的公司，130多年来一直不遗余力见到和制造革上新药品和疫苗，以复仇生命和有所改善健康。“完整的制药最重要性链上长期存在很多手动且耗时的处置反复，这些处置反复阻挠了不够有最重要性的文书工作的进行，同时还不可能会有效地并用数据集有所改善雇员、消费者和病症尽情。”默克数据集科学知识执行董事长Suman Giri暗示，“充分并用Amazon Bedrock，我们短时间内建立了生成式AI动态，使学问挖掘和消费市场研究文书工作等文书工作不够高效。在我们的美国病症分析文书工作处置反复中所，我们可以并用这些动态提供者对病症治疗的见解，更高生活数量级，扩大商业影响力，同时填补数据集共享全面性的空白，为不负责任的生成式AI订做数据集治理生态系统。”

LS集团是全球性顶级的汽车和摩托车制造公司之一。“LS的区域内技术人员不遗余力优解构整条最终产品的纳存。他们偶尔发给董事长可能会成员或最终产品技术人员等利益某类的允诺，立即创始人上新旧款视图，以就让他们分析最上新近年来。”LS集团数据集工程和分析技术人员Christoph Albrecht暗示，“QuickSight Q创作尽情都能显着更高效率，可以在才可参考的情况下创始人算出、加速构建真实感，然后通过自然重构对建模呈现顺利已完成精确调整。区域内技术人员的加速反馈给我们的该的公司用户留下了深刻印象，从而让他们可以不够快地做出最重要管理者者。”

(8355124)

。

阳了吃啥药
慢性肠炎吃什么药
先诺欣多少钱一盒
流感喉咙痛一般几天能好
高血压伴前列腺增生吃什么药好