使用 vLLM-Omni 在 SageMaker AI 构建实时语音应用——第1部分
本文介绍如何使用 AWS vLLM-Omni 容器在 Amazon SageMaker AI 上部署 Qwen3-TTS 模型，实现文本到语音的流式输出。该方案利用 SageMaker 双向流式技术，通过持久的 HTTP/2 WebSocket 连接实现一边生成文本一边播放音频的低延迟交互。
#教程/实践
#教程/实践
今日 0 条AWS Machine Learning BlogAI 评分4242 AWS Machine Learning BlogAI 评分3535 用 vLLM-Omni 在 SageMaker AI 上生成图像和视频（第二部分）
本文介绍如何在 Amazon SageMaker AI 上部署 vLLM-Omni Deep Learning Container，分别通过实时端点运行 FLUX.2-klein-4B 图像生成模型和异步端点运行 Wan2.1-VACE-1.3B 视频生成模型。
AWS Machine Learning BlogAI 评分4747 使用 Amazon Nova Act 实现合成监控
Amazon Nova Act 基于多模态大语言模型，通过处理 UI 截图而非 DOM 选择器来执行自然语言驱动的浏览器工作流，在早期企业用例中对浏览器工作流的准确率超过 90%。该方案结合 Amazon Bedrock AgentCore、EventBridge Scheduler 和 SNS，提供全托管的合成监控架构，无需维护脆弱的脚本或浏览器基础设施。
AWS Machine Learning BlogAI 评分2828 跨账号自动化管理 Amazon Textract 适配器生命周期
通过 AWS Systems Manager Parameter Store 外部化适配器 ID，可将 Amazon Textract Custom Queries 适配器在不同账号间的推广与生产更新过程自动化，变更耗时从数小时缩短至数秒。
AWS Machine Learning BlogAI 评分4747 NarrateAI：在 Amazon Bedrock 上实现生产级大语言模型质量保障
AWS 发布 NarrateAI 系列第二篇，详解在 Amazon Bedrock 上实现约 99% 数值准确率的五种工程 Techniques。通过自适应管道编排、跨账户多模型故障转移、实时流式评估、复合评估框架和数据准确性验证五层协同，将原始查询转化为经校验的实时响应。约 90% 查询走单次快速路径，复杂查询自动触发并行批处理。
AWS Machine Learning BlogAI 评分3131 Datacor 如何利用 Amazon QuickSight 打造自助式租赁分析平台
Datacor 在 TrackAbout 解决方案中集成 Amazon QuickSight，为工业气体与焊接分销商提供自助式租赁分析能力。通过生成式 BI，业务用户可直接用自然语言查询租赁数据，无需提交 IT 工单。该方案内置自动化跨云数据管道，确保仪表盘反映最新运营数据。
AWS Machine Learning BlogAI 评分4343 通过 Amazon SageMaker HyperPod 和 Qumulo 实现跨区域训练
通过 Amazon SageMaker HyperPod 与 Cloud Native Qumulo (CNQ) 及 Cloud Data Fabric (CDF) 的组合，训练作业可跨 AWS Region 读取数据而无需复制。
Hugging Face BlogAI 评分5656 如何用 NVIDIA Warp 和 MjWarp 加速机器人仿真与学习工作流
文章介绍如何把 SO-101 机械臂任务从 MuJoCo CPU 迁移到基于 NVIDIA Warp 的 MuJoCo Warp，并在最多 2,048 个并行环境中验证与测量吞吐量。
GitHub Blog · AI & MLAI 评分3434 GitHub Copilot 新手指南：使用 diff、终端和浏览器面板
GitHub Copilot 应用新增内置的 diff、终端和浏览器三个面板，让开发者无需切换应用即可审查、运行和预览 AI 智能体的代码更改。diff 面板以绿红高亮显示新增或删除的行，终端面板支持直接运行项目命令，浏览器面板可配合 Pick & Polish 工具测试 UI 功能并快速迭代，最终直接在应用中接受更改并创建 Pull Request。
Hugging Face BlogAI 评分4747 PyTorch 性能分析（第 3 部分）：Attention is all you profile
Hugging Face Blog 发布 PyTorch 性能分析系列第 3 部分，聚焦注意力机制（Attention）。
Mistral AIAI 评分3737 Mistral：用 LLM as a Judge 和 RAG Triad 评估检索增强生成系统
Mistral 提出使用 LLM as a Judge 评估检索增强生成（RAG）系统，确保回答准确且相关。该方案结合 RAG Triad 框架，通过上下文相关性、接地性和答案相关性三个维度验证模型表现，并配合 API 推出的自定义结构化输出功能，使评估结果具备机器可读性与一致性。