Category: Artificial Intelligence

通过云原生架构和 GenAI 服务的结合，功夫源成功将专业级的量化分析工具普惠化，使其能够服务于更广泛的用户群体。使用 Amazon Nova 之后进一步降低 LLM 推理成本和延迟，优化客户交互体验。展望未来，功夫源将继续探索 Nova Pro 的多模态能力，进一步优化用户交互体验，并不断拓展创新的应用场景。功夫源在金融科技领域的创新性尝试为金融服务的智能化转型提供了有价值的参考。通过持续优化和创新，功夫源将继续为用户提供更智能、更高效的量化投资解决方案。

上篇对于翻译质检模型的微调进行了初步验证， 其方法基本有效。但在第一阶段优化时，获取的数据具有很不平衡的情况， […]

问题背景 大语言模型在翻译场景相对传统机翻具备很强的优势，比如更好的场景化、更自然流畅的语言（没有机翻中常见的 […]

Amazon Q Developer 是亚马逊云科技推出的一款专为专业开发人员设计的人工智能助手，旨在提升代码开发和管理的效率。

AWS re:Invent 之后的一周，人们仍然保持着活动期间的兴奋和活力。现在是了解更多最新发布，帮助您解决 […]

正如我们在 AWS re:Invent 2024 上预先宣布的那样，您现在可以在 Amazon Bedrock […]

背景 随着生成式 AI 技术的快速发展，大语言模型（LLM）在各个领域的应用日益广泛。然而，如何有效评估这些模 […]

本文介绍了大语言模型微调的关键步骤和注意事项。首先需要选择合适的模型微调框架，比如目前较受欢迎的 LLaMA-Factory，然后选择微调方法，包括全参数微调、PEFT、LoRA 等，微调过程中需要权衡计算资源和期望性能，接下来估算所需算力，模型参数越大微调方法越复杂，所需算力就越高。

本文将深入探讨大模型微调的常见场景，并详细阐述从数据准备到模型微调的流程。

随着人工智能技术的快速发展，语音识别和处理技术在各个领域的应用日益广泛。本文将介绍如何利用 AWS 的云服务平台，结合开源的 Whisper 模型，构建一个高效、可扩展的语音识别系统。特别地，我们将以《水浒传》这部中国古典文学作品中的人物对话识别为具体案例，展示如何通过模型微调来提高特定领域的识别准确率，并通过 Amazon SageMaker 实现模型的高效部署。