Aller au contenu
27 octobremar.
  1. AWS Machine Learning Blog58

    Construire une récupération agentique sur Amazon Bedrock Knowledge Base avec CDK

    AWS publie un tutoriel pour déployer une récupération agentique sur Amazon Bedrock Managed Knowledge Base via une application CDK en Python. L'agent route les questions entre deux bases de connaissances financière et météo, appelle AgenticRetrieveStream via AgentCore Gateway en MCP et renvoie des réponses citées. Le déploiement inclut deux tableaux de bord CloudWatch couvrant sept couches de télémétrie et une évaluation en ligne et à la demande.

  2. Adafruit Blog63

    REA : un ensemble d'outils permettant à un agent de codage d'analyser n'importe quel logiciel

    REA est un ensemble d'outils qui permet à un agent de codage d'inspecter un logiciel et de répondre à des questions sur son fonctionnement. Il s'installe avec npx rea-agents@latest setup et se connecte à un agent existant, qui peut alors lire le code, observer l'exécution et s'en servir pour expliquer ou reconstruire une fonctionnalité. Deux exemples sont détaillés : dans le jeu du dinosaure de Chrome, l'agent a retrouvé la règle de vitesse (départ à 6, +0,001 à chaque mise à jour sans collision, arrêt à 13), et l'analyse de Windows Calculator 11.2508.4.0 sur x64 explique pourquoi 200 + 10% donne 220, le bouton % se comportant différemment après + et après ×. D'autres cas couvrent les codes de connexion à six chiffres d'un APK Android, la gestion du presse-papiers de Notion en JavaScript packagé et l'audio positionnel d'un jeu Windows de 1996. REA peut aussi enregistrer une session d'application web et la transformer en environnement local pour entraîner et tester des agents.

    Motif de la recommandation :L'original montre par des cas concrets comment un agent inspecte du code en exécution pour en extraire des règles, avec un jeu d'outils installable via npx.

26 octobrelun.
  1. Adafruit Blog58

    Erol Sen construit un système qui imprime chaque matin un journal de deux pages avec Claude et un Raspberry Pi Pico 2 W

    Erol Sen a mis en place un système qui imprime chaque matin un journal de deux pages sur son imprimante domestique.

    Motif de la recommandation :Le découpage en trois parties reliées par un dépôt git et les restrictions de permissions du token Pico offrent un modèle de déploiement réutilisable.

  2. Adafruit Blog65

    Faire tourner Arch Linux ARM sur un portable RTX Spark faute de compte Microsoft

    Josephine Pfeiffer, mainteneuse de paquets Arch Linux, a réussi à faire tourner Arch Linux ARM sur un ASUS ProArt P16 H7607BA-SE033W en configuration 128 Go avec 6 144 cœurs CUDA.

    Motif de la recommandation :Le récit détaille les correctifs ACPI, HID et audio nécessaires pour faire tourner Arch Linux ARM sur un portable RTX, avec des mesures concrètes sous vLLM.

  3. Adafruit Blog22

    Mise à jour du guide d'apprentissage : ARISS SSTV sur Fruit Jam

    Le Fruit Jam est désormais certifié ARISS et la page du guide d'apprentissage dédiée à l'ARISS SSTV a été mise à jour. Une nouvelle galerie rassemble les meilleures photos capturées avec le récepteur SSTV Fruit Jam lors de la série 34 « ARISS Hardware », et la section antenne a été enrichie de photos et de détails sur les antennes utilisées et les plus efficaces. Le guide permet de préparer le Fruit Jam et son antenne pour les prochains événements ARISS, dont les dates sont à surveiller sur la page dédiée.

  4. Seeed Studio12

    SenseCAP : stations météo compactes tout-en-un pour une surveillance météo routière plus intelligente et des routes plus sûres

    Les stations météo compactes tout-en-un SenseCAP de Seeed Studio collectent en continu des données environnementales locales pour aider les exploitants routiers à détecter plus tôt les risques liés à la météo. Elles mesurent notamment la température de l'air, l'humidité relative et le point de rosée afin d'identifier les conditions propices au gel, en particulier sur les ponts, les routes ombragées et les itinéraires de montagne. Ces mesures continues complètent les inspections périodiques et les prévisions régionales en fournissant des informations propres à chaque tronçon routier.

25 octobredim.
24 octobresam.
23 octobreven.
  1. Hugging Face Blog42

    Hugging Face : vérifier si un modèle Transformers s'exécute sur AWS Trainium

    Hugging Face met en ligne un Space qui indique si un modèle Transformers du Hub s'exécute sans modification sur AWS Trainium via le backend PyTorch natif torch-neuronx. Chaque fiche précise le résultat du test, le nombre de cœurs Trainium utilisés, le temps d'exécution compilation incluse et la mémoire device de pointe, avec le script run.py et les versions de neuronx-cc et de Transformers. Les tests se limitent pour l'instant aux modèles de génération de texte et image-texte tenant sur 4 instances Trainium2 (16 cœurs au plus), et les résultats proviennent du dataset public aws-neuron/torch-neuronx-model-support.

  2. AWS Machine Learning Blog58

    Comment diffuser de la voix à faible latence depuis des agents IA avec Kokoro TTS sur Amazon SageMaker AI

    AWS explique comment réduire la latence vocale d'un agent IA en envoyant chaque phrase au modèle TTS Kokoro-82M hébergé sur un point de terminaison bidirectionnel Amazon SageMaker AI dès sa génération, plutôt qu'après la réponse complète. Le tutoriel couvre la gestion des trames WebSocket binaires, le maintien de la session entre messages, le découpage incrémental des phrases et le choix entre audio base64 dans des événements SSE et multiplexage binaire et JSON. En isolant le transport TTS, l'envoi de la seule première phrase fait passer le délai moyen jusqu'au premier octet audio de 329,3 ms à 156,7 ms, et le mode bidi est 2,4 à 3,5 fois plus rapide que le mode batch sur un agent déployé.