亚马逊AWS官方博客

Text-only LLM SFT 训练数据预处理：从收集到数据打包的完整指南

本文将系统介绍 Text-only LLM SFT 训练数据预处理的完整流程，涵盖从数据收集到最终打包的每一个环节，并结合真实客户案例给出实操建议。这里需要说明的是，本文聚焦于纯文本场景，且不涉及代码生成和 SQL 相关的场景。从 2025 年的行业趋势来看，代码和 SQL 相关场景基本上都是基于开源模型权重或闭源模型来构建实现的，需要针对代码和SQL相关场景做post training 的客户相对要少很多。此外，SFT 和 RFT（Reinforcement Fine-Tuning）的训练数据预处理存在差异，本文只讨论 SFT 的部分。虽然 SFT 本身又分为全参数 SFT 和 PEFT（主要是 LoRA 及其变体），但数据集的预处理流程对两者是一致的。

使用 Amazon Bedrock AgentCore 构建企业级 MCP 服务器：四种架构模式的实践指南

随着人工智能越来越深入地集成到企业工作流程中，企业对标准化、安全且可扩展的 AI 工具平台的需求日益增长。由 Anthropic 开发的模型上下文协议 (MCP) 为连接 AI 助手与外部工具和数据源提供了通用标准。当与 Amazon Bedrock 的 AgentCore 功能相结合时，组织可以构建兼具高性能与生产可用性的 AI 生态系统。

如何选择最适合游戏场景的 AI 模型？构建 Amazon Bedrock 多模态模型对比测试平台

本文面向正在评估 Amazon Bedrock 多模态模型的 AI 工程师 / 解决方案架构师，以及探索 AI 驱动游戏 QA 自动化的游戏开发团队。我们提供的对比测试方法论和工具，也是改进 AI 基础设施能力的重要一步——通过系统化模型评估积累量化基准数据，为更多业务场景落地 AI 提供可靠依据。

动态 IP 场景下的 Site-to-Site VPN组网方案

在企业混合云组网中，AWS Site-to-Site VPN 是连接办公地点与 AWS 的常用方案。然而，当办公地点使用部分 ISP 接入时，公网 IP 为动态分配，按照以往的经验，Customer Gateway需要固定 IP， IP变化会导致隧道中断，无法自动恢复。 本文介绍一种解决方案，IP变化后隧道可自动恢复的配置方式，并阐述方案原理、架构设计及部署步骤。

← Older posts