Aller au contenu
3 octobresam.
2 octobreven.
  1. AWS Machine Learning Blog46

    Amazon Quick et le pattern Adjudicated Query pour auditer des milliers de baux

    Le pattern Adjudicated Query combine Amazon Quick et un moteur de règles déterministe pour vérifier la conformité de milliers de baux. Le modèle se limite à traduire une question en appels sur six outils typés et à restituer le résultat, sans jamais écrire de requête ni effectuer de détermination. Chaque sweep produit un reçu de complétude où compliant + in-breach + ambiguous + unreadable doit égaler scanned, et le jeu complet de résultats reste consultable dans un tableau de bord Amazon Quick Sight.

1 octobrejeu.
30 septembremer.
  1. AWS Machine Learning Blog62

    Construire un pipeline multi-agents de production musicale sur Amazon Bedrock AgentCore Runtime Instances

    L'article explique comment déployer un pipeline de production musicale à trois agents sur Amazon Bedrock AgentCore Runtime Instances. L'agent de composition utilise Claude Sonnet 4.6 et le modèle ACE-Step sur le GPU NVIDIA L4 de l'instance pour générer un fichier.wav, l'agent de livraison lit ce fichier depuis le volume partagé et applique une chaîne DSP, puis l'agent de conformité revérifie indépendamment le résultat et peut demander une nouvelle composition. Les trois agents partagent la même session via un runtimeSessionId commun, ce qui les place sur une même instance EC2 avec un système de fichiers partagé, et les sessions peuvent persister jusqu'à 14 jours. L'article détaille la création du capacity provider, le déploiement des runtimes et l'orchestration, avec un exemple complet disponible dans le dépôt AgentCore samples sur GitHub.

    Motif de la recommandation :Présente une architecture multi-agents avec sessions partagées, GPU et volumes persistants, et détaille les étapes de déploiement sur AgentCore Runtime Instances.

  2. Seeed Studio22

    Comment un robot mobile équipé d'un Jetson AGX Thor suit et frappe une bulle transparente avec VLA et SO-ARM

    Des membres de Chaihuo Makerspace ont construit un robot mobile capable de suivre une bulle de gel transparente en mouvement et de la frapper avec une raquette rouge montée sur un bras SO-ARM101. Le système combine la caméra Intel RealSense D455 pour la perception RGB-D, LingBot-Depth pour le traitement de la profondeur, LingBot VLA V2 pour les décisions d'action, la base mobile LeKiwi pour le repositionnement et le NVIDIA Jetson AGX Thor Developer Kit Bundle comme cœur de calcul IA embarqué. La difficulté réside dans la boucle continue perception-décision-action : la transparence et le mouvement de la bulle rendent les mesures de profondeur instables, et le robot doit continuellement mettre à jour sa compréhension de la scène pour agir sur une position à jour.

29 septembremar.
28 septembrelun.
26 septembresam.
25 septembreven.
24 septembrejeu.
23 septembremer.
22 septembremar.
  1. Raspberry Pi Blog62

    Transformer la saisie de texte en actions avec Needle, un LLM de function calling de 14 Mo

    Cactus Compute présente Needle 2, un modèle de function calling de 14 Mo qui transforme des instructions en anglais en actions locales sur un Raspberry Pi 5.

    Motif de la recommandation :Un exemple concret de modèle de function calling de 14 Mo exécuté en local sur Raspberry Pi 5, avec latences et consommation mémoire mesurées.

17 septembrejeu.
16 septembremer.
15 septembremar.
12 septembresam.
11 septembreven.
10 septembrejeu.
  1. Hugging Face Blog62

    Async GRPO avec LoRA sur HF Jobs : un bucket, un proxy, sans NCCL

    TRL v1.14 prend en charge l'entraînement d'un adaptateur LoRA dans AsyncGRPOTrainer et ne synchronise que cet adaptateur vers vLLM.

    Motif de la recommandation :L'article détaille une architecture concrète pour entraîner un adaptateur LoRA avec Async GRPO sur des Jobs séparés, avec des chiffres de bout en bout et un diagnostic du goulot d'étranglement.

9 septembremer.