ข้ามไปที่เนื้อหา
เหตุการณ์ร้อนแรงกำลังพัฒนา

AWS เผยแพร่คู่มือการออกแบบ Responsible AI สำหรับแชทบอต RAG บน Aurora

1 รายงาน1 แหล่งข่าวที่รายงานอัปเดต 22 ชม. ที่แล้ว

เริ่มตรงนี้

ไดเจสต์ AI

AWS เผยแพร่คู่มือการออกแบบที่จับคู่มิติ Responsible AI ทั้งแปดของบริษัทเข้ากับ Amazon Aurora PostgreSQL-Compatible Edition โดยใช้แชทบอตฝ่ายสนับสนุนลูกค้าแบบ retrieval-augmented generation (RAG) เป็นกรณีอ้างอิง โพสต์ดังกล่าวนำเสนอเพียงมิติเดียวคือ Explainability อย่างละเอียด และ AWS ระบุว่าเป็นส่วนที่ 1 ของซีรีส์ ไม่ใช่การสร้างครบทั้งแปดมิติ การนำ Explainability ไปใช้พึ่งพา Aurora ML ซึ่งเรียกใช้ endpoint ของ Amazon SageMaker และ foundation model ของ Amazon Bedrock โดยตรงจาก SQL เพื่อสร้าง vector embedding โดยไม่ต้องย้ายข้อมูลหรือสร้าง ETL pipeline AWS กล่าวว่าทุกอย่างในโพสต์ยกเว้นการเรียก embedding ของ Aurora ML ยังใช้งานได้บน Amazon RDS for PostgreSQL AWS ระบุว่า Amazon Bedrock Guardrails เพิ่ม latency ให้กับการเรียก inference แต่ละครั้งและมีค่าใช้จ่ายต่อหน่วยข้อความ

สร้างจากรายงาน · อัปเดต 21 ชม. ที่แล้ว

ไทม์ไลน์รายงาน

ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน

19 พฤศจิกายน
  1. AWS Machine Learning Blog
    การออกแบบการควบคุม AI อย่างรับผิดชอบสำหรับแชทบอท RAG บน Amazon Aurora PostgreSQL

    AWS จับคู่มิติ Responsible AI ทั้งแปดของตนเข้ากับความสามารถของ Amazon Aurora PostgreSQL-Compatible Edition โดยใช้แชทบอทสนับสนุนลูกค้าที่อิง RAG เป็นกรณีการใช้งานอ้างอิง โพสต์นี้implementมิติ Explainability อย่างละเอียดผ่าน Aurora ML ซึ่งเรียกใช้ endpoint ของ Amazon SageMaker และ foundation model ของ Amazon Bedrock โดยตรงจาก SQL เพื่อสร้าง vector embedding โดยไม่ต้องเคลื่อนย้ายข้อมูลหรือใช้ไปป์ไลน์ ETL โดยนำเสนอเป็นส่วนที่ 1 ของซีรีส์ ไม่ใช่การสร้างครบทั้งแปดมิติ

ความร้อนแรงของเหตุการณ์นี้

ช่วงปัจจุบันที่เทียบได้
5
จุดสูงสุดในช่วงที่เทียบได้
1019 พฤศจิกายน 07:00
การเปลี่ยนแปลงใน 24 ชั่วโมง
–

แนวโน้มนี้เปรียบเทียบผู้ร่วมพูดถึงชุดเดียวกันในช่วงเวลาที่เฝ้าดูต่อเนื่อง ช่วงจึงอาจแคบกว่าคะแนนความร้อนปัจจุบัน วางเมาส์หรือแตะกราฟเพื่อดูความร้อนรายชั่วโมง กดลูกศรเพื่อเลื่อนดู