KI-Meldungen mit Quellen und Datum an einem Ort.
America.gov soll den Umgang mit der Bürokratie der Regierung vereinfachen, aber große Sprachmodelle sind unvollkommen und weiterhin anfällig für Halluzinationen, was neue Probleme verursachen könnte.
Prompt Engineering in Amazon Quick bestimmt, wie präzise die KI-gestützten Funktionen auf Ihre Anfragen reagieren. Teil 1 einer zweiteiligen Reihe behandelt die grundlegenden Prinzipien und wiederverwendbaren Frameworks (Spezifität, Kontextsetzung, Few-Shot-Beispiele und das CRISPE-Framework) für konsistente, hochwertige Ergebnisse in ganz Amazon Quick.
Teil 2 unserer Amazon-Quick-Serie zum Prompt-Engineering geht Komponente für Komponente vor. Lernen Sie die Prompt-Muster kennen, die mit Amazon Quick Research, Quick Flows, Quick Sight, Chat-Agents und Aktionsintegrationen die besten Ergebnisse liefern, sowie die häufigen Fallstricke, die es zu vermeiden gilt.
Das manuelle Extrahieren von Daten aus Hunderten von Lieferantenverträgen skaliert nicht, und RAG-Chat-Tools scheitern an portfolioweit gestellten Fragen. Dieser Beitrag stellt eine Contract-Intelligence-Plattform auf AWS vor, die KI-Agenten zum Extrahieren und Verifizieren von Vertragsfeldern einsetzt und anschließend aggregierte Fragen sowie Fragen zu einzelnen Verträgen über Amazon Quick Analytics beantwortet.
Eine Schwachstelle in Copilot Coworks KI-Infrastruktur ermöglichte es bösartigen Skills, die Sandbox des Agenten zu umgehen, um nicht kontrollierte Anthropic-Agenten zu erzeugen und Dateien zu exfiltrieren.
Wir haben eine Reihe weiterer, ähnlicher Vorfälle entdeckt, bei denen es den Anschein hat, dass tougenschaltete KI-Agenten aggressive Techniken eingesetzt haben, um auf öffentliche Daten von Regierungswebsites zuzugreifen.
Schriftliche Aussage von METR-Präsident Chris Painter vor dem US-Senat zum Vorfall zwischen OpenAI und Hugging Face, zu branchenweiten Mustern bei Risiken von KI-Agenten und dazu, wie künftige Vorfälle mit KI-Agenten besser vorhergesehen werden können.
Condé Nasts Redaktionsteams verbrachten durchschnittlich 250 Minuten pro Aufgabe damit, eine Bibliothek mit mehr als 140,000 Videos ausschließlich anhand von Titeln und Beschreibungen zu durchsuchen. Gemeinsam mit dem AWS Generative AI Innovation Center entwickelten sie eine multimodale Lösung zur Videosuche auf Basis von Amazon Bedrock und Amazon OpenSearch Service, die die Suchzeit auf unter 2 Minuten reduzierte.
Die Biologie funktioniert nicht in Silos, und die KI-Darstellung davon sollte es auch nicht. Quine ist ein Forschungsvorhaben in einem frühen Stadium mit dem Ziel, ein multimodales Weltmodell der Biologie zu schaffen. Durch die Verbindung von Erkenntnissen über biologische Skalen und Modalitäten hinweg hilft Quine Wissenschaftlern, einen Raum rechnerisch zu durchsuchen, der weit größer ist, als es die Intuition erlaubt, und Hypothesen zu priorisieren, bevor sie ins Labor gelangen. Experimentelle Ergebnisse liefern wichtiges Feedback und helfen Forschern, künftige Forschungsrichtungen zu schärfen. Der Beitrag Introducing Quine: An AI research system designed for the complexity of biology erschien zuerst auf Microsoft Research.
Entdecken Sie mehr als 20 Ankündigungen vom OpenAI DevDay 2026, darunter GPT-6 Astra, ChatGPT, Codex, APIs, Sicherheit und neue Tools für Entwickler.
Treffen Sie sich mit GPT-6.1 Sol: Near-Astra-KI für Programmierung, Computernutzung und professionelles Arbeiten – bei einem Fünftel niedrigeren Preises für API-Eingabe- und Ausgabetoken als bei Astra.
Was disaggregated Serving tatsächlich bringt, wie man es heute mit vLLM komplett von Anfang bis Ende betreibt – mit Prefill/Decode plus dem neuen GPU-freien Frontend – und woran wir noch arbeiten.
Dots von OpenAI sind proaktive Assistenten, die über komplexe Projekte und alltägliche Aufgaben hinweg weiterarbeiten können. Erfahren Sie, wie dots Ihnen die Kontrolle erhalten, während die Arbeit voranschreitet.
xAIs Grok 4.7 ist jetzt auf Amazon Bedrock verfügbar: ein Frontier-Modell für Coding, langlebige Agenten und Wissensarbeit. Es bietet ein 500K Token Kontextfenster und vier konfigurierbare Reasoning-Effort-Stufen, erreichbar über die Responses-, Chat Completions- und Converse-APIs.
