Blog

У квітні 2025 року ми представили інструмент моделювання даних Amazon DynamoDB для сервера протоколу контексту моделі (MCP). Інструмент веде вас через розмову, збирає ваші вимоги та створює модель даних, яка включає таблиці, індекси та міркування щодо витрат. Він проходить всередині помічників з підтримкою MCP, таких як розробник Amazon Q, Kiro, Cursor та Windsurf.

Коли клієнти почали експериментувати з інструментом, ми зіткнулися з звичним викликом: як ви знаєте, чи добре, які він надає, є хорошим? Кожна взаємодія створює два артефакти: a dynamodb_requirements.md Файл і a dynamodb_data_model.md файл. Але перегляд цих результатів вручну було повільним, суб'єктивним та важким для масштабування. Завдяки декількох підказках, оновленні моделі та нових сценаріїв, тонкі регресії можуть легко проскочити.

Для вирішення цього ми вирішили створити систему оцінювання, яка могла б оцінити як процес (як зібрані вимоги), так і продукт (остаточна модель). Ми побудували рамки, що поєднують DSPY, агенти Strands та Amazon BedRock в повторювану петлю, яка дає нам вимірювані сигнали якості та дозволяє нам впевнено вдосконалюватися.

У цій публікації ми показуємо вам, як ми створили цю автоматизовану оцінку та як це допомогло нам надати надійні настанови щодо моделювання даних DynamoDB у масштабі.

Від суб'єктивного огляду до вимірюваних сигналів

Першим нашим кроком було визначити, що означає «добре» для розмови про моделювання даних. Недостатньо перевірити, чи з’являється ім'я таблиці, чи правильний ключ розділу. Ми дбаємо про те, чи вимоги доволіться повністю, розглядаються схеми доступу, а запропонована схема масштабована та економічно вигідна.

Щоб зрозуміти, для чого ми оптимізуємо, ми вручну переглянули 150 реальних розмов з тестування наших команд. Кожен огляд зайняв понад 45 хвилин і вимагав глибокого досвіду Dynamodb, щоб помітити ці нюансовані проблеми.

Цей ручний аналіз підтвердив, що нам потрібні критерії оцінювання, ніж базова перевірка синтаксису. Замість того, щоб просто перевірити таблицю має ключ розділу, нам потрібно було оцінити, чи є методологія розмови ретельною, а отримана схема насправді добре працюватиме у виробництві.

DSPY забезпечив правильний рівень абстракції. Замість того, щоб писати крихкі правила, ми писали програми суддів, які використовують модель фонду (FM) для оцінки результатів за багатовимірними критеріями. Наприклад, розмову оцінюється за збором вимог, методологією, технічними міркуваннями та документацією. Модель даних оцінюється на повноті, точності, масштабованій та витратах. Кожна категорія виробляє два бали: один для збору вимог (сеанс), один для моделі вихідних даних. Цей підхід перетворив якість на щось, що ми могли б виміряти, відстежувати та покращити з часом.

Чому FM роблять кращих суддів

Використання AI для оцінки AI може здатися круговим, але останні дослідження підтверджують цей підхід. Дослідження показують, що згода GPT-4 з оцінювачами людини досягає 85%, що вища, ніж домовленість людини до людини на рівні 81% (Zheng et al., 2023). Для моделювання даних DynamoDB це має значення, оскільки нам потрібно оцінити суб'єктивні якості, які традиційні показники не можуть захопити.

Перш ніж влаштуватися на ФМС як оцінювачі, ми розглянули кілька підходів, кожен з яких має значні обмеження:

• Огляд вручну вимагало понад 45 хвилин за сценарій і страждав від невідповідності рецензента – однакова схема може бути оцінена по -різному залежно від рівня експертизи рецензента або втоми.
• Перевірки на основі правил спіймали помилки синтаксису (“Чи має таблицю ключ розділу?”), Але пропущені проблеми з нюансованим дизайном, такі як ризики гарячих розділів або непотрібні витрати на GSI.
• Прості показники (кількість таблиці, покриття шаблону доступу) не дали розуміння фактичної якості дизайну.

FMS вирішує основну проблему оцінки цілісних, контекстуальних дизайнерських рішень, якими систем на основі правил не може впоратися. Вони можуть міркувати про суб'єктивні якості, такі як “Чи ця розмова ретельно збирає вимоги?“Або”Чи є технічні міркування для цього звучання GSI?“Хоча розуміння компромісів, притаманних моделюванні даних. На відміну від жорстких показників, LLMS розуміє, що дизайн з меншою кількістю GSI може бути оптимізовано, а не неповне, і вони визнають, як бізнес-контекст керує технічними рішеннями. Це контекстне розуміння робить їх унікальними для оцінки нюансових дизайнерських виборів, які визначають схеми динамодбів якості.

Звернення до обмежень

Нам відомо про обмеження суддів AI – непослідовність є реальною, оскільки той самий суддя може дати різні бали на повторних пробігів. Ми пом'якшуємо це за допомогою детальних критеріїв оцінки з конкретними прикладами у наших підказках DSPY, декількох запусків оцінювання для виявлення дисперсії та підказки судді, керованого версією до підтримки відтворюваних результатів. Неоднозначність критеріїв становить ще один ризик, оскільки різні судді з великою мовною модель (LLM) можуть по-різному інтерпретувати «повноту», тому ми побудували спеціальні програми суддів DSPY з специфічними підказками, а не покладаючись на загальні інструменти оцінювання. Визначаючи саме те, що означає «збори хороших вимог» у контексті динамодба, ми переконуємось, що наші оцінки є як послідовними, так і значущими для якості моделювання даних.

Найголовніше, що судді LLM дають нам пояснені рішення. Замість непрозорої оцінки ми отримуємо детальні міркування, наприклад: “Збір вимог набрав 9/10, оскільки розмова захопила всі суб'єкти та моделі доступу, але могла бути глибше на оцінках частоти запитів.“Це робить результати оцінювання, що підлягають вдосконаленню інструменту. Для домену, настільки нюансованого, як моделювання даних DynamoDB, FMS забезпечує контекстне розуміння того, що простіші підходи не можуть відповідати. Вони не ідеальні, але вони досить складні, щоб з упевненістю керувати розвитком.

Керування реалістичними розмовами з агентами Strands

Після того, як ми знали, що виміряти, нам потрібні були реалістичні входи. Ось де прийшли агенти Strands. З агентами «Странди» ми можемо скласти багаторазові розмови, які поводяться як справжній користувач, який взаємодіє з інструментом MCP. Кожен сценарій, наприклад, розробка простої схеми електронної комерції, працює в кінці, виробляючи вимоги та запропонована модель даних.

Моделюючи розмови, а не покладаючись на статичні підказки, ми отримуємо оцінки, які відображають, як насправді використовується інструмент. Агенти Strands також природно інтегруються з Amazon Bedrock, а це означає, що ми можемо експериментувати з різними моделями і швидко побачити, як виходи змінюються.

Складаючи все це разом

Результат – рамка, яка веде розмову, фіксує артефакти та оцінює їх автоматично. Простий бігун дозволяє вам вибрати сценарій та модель, виконати сеанс, а потім переглянути показники оцінювання.

Протягом декількох хвилин у вас є як артефакти, так і підсумок оцінювання. Замість того, щоб розчісуватися через стенограми, ви можете негайно побачити, чи є збори вимог завершено, чи правильно відображені схеми доступу та наскільки добре схема вирішує масштабованість та проблеми. На наступному скріншоті показано багатовимірний результат оцінки з оцінювача.

Цей багатовимірний бал дає вам негайне розуміння того, що працює добре (аналіз моделі доступу набрав 9/10) та що потребує уваги (технічні міркування на 8/10 пропонують можливість покращити глибину масштабованості). Замість того, щоб вручну переглядати тривалі стенограми розмови, ви отримуєте діючі відгуки за 3 хвилини.

Чому це має значення

Такі оцінки допомагають нам декількома способами. Вони ловлять регресії рано, коли ми вдосконалюємо підказки або змінюємо моделі. Вони дають нам послідовний спосіб порівняння підходів, а не покладатися на анекдотичні огляди. І вони будують довіру; Коли інструмент створює модель даних, ви знаєте, що вона була перевірена в декількох сценаріях і забила за чіткими критеріями.

Для клієнтів це означає, що рекомендації, які ви отримуєте від інструменту моделювання даних DynamoDB, продовжують вдосконалюватися з часом. Для будівельників інструментів MCP ширше він показує візерунок, який ви можете повторно використовувати: агенти Strands для імітації реалістичних розмов, DSPY для визначення показників та Amazon Bedrock для постачання моделей.

Висновок

Інструмент моделювання даних DynamoDB допомагає розробити масштаб, але, як і інші системи, керовані AI, він додає значення лише в тому випадку, якщо результати надійні. Поєднуючи агенти Strands, DSPY та Amazon Bedrock, ми перетворили суб'єктивні огляди на вимірювані сигнали, що дозволяє швидше ітерації та більш високу впевненість у рекомендаціях інструменту.

Ви можете вивчити рамки оцінювання у сховищі Github, прочитати про підхід DSPY до оцінки або спробувати агенти Strands, щоб імітувати власні робочі процеси MCP. Поки ми продовжуємо розвивати систему, наша мета проста: надати вам кращі інструменти, кращі моделі та кращі результати під час побудови на DynamoDB.

Про авторів

Сьогодні OpenAI оголошений Планує побудувати п’ять нових сайтів центрів обробки даних у США в рамках його ініціативи Stargate.

Запущений у січні, Stargate має на меті забезпечити постачальнику штучного інтелекту з обчислювальною інфраструктурою 10 Гігаваттс. Очікується, що проект коштуватиме 500 мільярдів доларів протягом чотирьох років.

OpenAI співпрацює з Oracle Corp. на трьох майбутніх сайтах центрів обробки даних. Об'єкти будуть побудовані в окрузі Шакелфорд, штат Техас; Донья Ана, штат Нью -Мексико; і ще не визначене місцем розташування на Середньому Заході. OpenAI планує поділитися більш детальною інформацією про останній проект найближчим часом.

Згідно New York TimesOracle фінансує три сайти центрів обробки даних та контролювати їх будівництво. Як повідомляється, виробник баз даних сподівається покрити деякі витрати проекту за допомогою “нових видів фінансових угод з різними партнерами”. Це натякає на це може принести зовнішніх інвесторів на борт.

Співпраця є частиною угоди про хмарну інфраструктуру в розмірі 300 мільярдів доларів, яку OpenAI підписав з Oracle на початку цього місяця. За даними The Wall Street Journal, виробник бази даних очікує Почати приносити дохід від контракту в 2027 році.

OpenAI побудує два інші кампуси центрів обробки даних, які він переглянув сьогодні через партнерство з SoftBank Group Corp., одним з найбільших її інвесторів. Японський технологічний гігант провів у березні раунд 40 мільярдів доларів для розробника Chatgpt.

Перший сайт розташований у Лордстауні, штат Огайо. На початку цього року Softbank зламався і розраховує принести Центр обробки даних онлайн в 2026 році. Другий кампус буде розроблений компанією SB Energy Infrastructure Business в окрузі Мілам, штат Техас. OpenAI каже, що два сайти можуть бути обладнані 1,5 -ти гігаватською інфраструктурою протягом 18 місяців.

Об'єкти приєднаються до кампусу центру обробки даних в Ебілен, штат Техас, який Oracle почав будувати розробник Chatgpt на початку цього року. Сьогодні в OpenAI детально описано, що перші серверні стелажні стелажів у червні з'явилися в Інтернеті. Це апаратне забезпечення вже живить навантаження на AI та навантаження на умовах.

Серверні стелажі, які зараз встановлені на сайті Abilene, працюють від мікросхеми GB200 Nvidia Corp. Він поєднує в собі два графічні одиниці графічної графіки Blackwell B200 з центральним блоком обробки. Оракул як повідомляється Розраховує встановити понад 64 000 GB200 Chips в центрі обробки даних до наступного березня.

OpenAI також використовуватиме новіший кремній Nvidia. На початку цього тижня він оголосив про плани прийняти майбутній чіп Віра Рубін, який включає 88-ядерний процесор та графічний процесор на основі архітектури Рубіна нового покоління. Відкритий розкритий План спільно з новиною про те, що він підніме до 100 мільярдів доларів від Nvidia для фінансування будівельних проектів Центру обробки даних.

Минулого місяця головний виконавчий директор NVIDIA Дженсен Хуанг заявлений Ця будівля 1 гігават інфраструктури AI коштує від 50 мільярдів до 60 мільярдів доларів. Він сказав, що апаратне забезпечення для виробника чіпів припадає на понад половину цієї суми.

На додаток до п'яти центрів обробки даних, оголошених сьогодні, OpenAI може побудувати 600-мегаватський майданчик біля його кампусу Ебілен. Об'єкти матимуть комбіновану потужність понад 5,5 гігаваттів. OpenAI очікує, що проекти створить понад 25 000 робочих місць на місці та десятки тисяч більше по всій країні.

Зображення: OpenAI

Infineon Technologies AG надає Coolgan Power Transistors для Universal Microelectronics Co., Ltd. (UMEC) для нового адаптера компанії в 250 Вт для мережевої живлення над програмами Ethernet (POE). Coolgan Transistors Infineon забезпечують надійні, високоефективні рішення та допомагають UMEC розробити безпечніші та енергоефективні технології для вирішення сучасних проблем енергетичної системи. Ці рішення ідеально підходять для електроніки в різних галузях, включаючи телекомунікації, промислову електроніку, медичну технологію та побутову електроніку.

Пристрої потужності на основі GAN забезпечують більш високу ефективність, зменшуючи виробництво тепла та споживання енергії. Вони можуть працювати на більш високих частотах та щільності потужності, що дозволяє більше компактних конструкцій, максимізувати використання місця для стійок та покращити охолодження в центрах обробки даних AI. Крім того, зменшення розміру системи дозволяє отримати більше вмісту обладнання та вдосконаленого потоку повітря, що призводить до меншого витраченого тепла і в кінцевому рахунку зменшує експлуатаційні витрати та загальний слід вуглецю.

“Ми раді бачити, що наша технологія Coolgan, що живить новий адаптер 250 Вт для програм для мереж. Ця співпраця демонструє потенціал GAN для революції в галузі центрів обробки даних, що дозволяє меншими, ефективнішими та надійними енергетичними рішеннями”, – каже Йоганнес Шойсволь, керівник компанії GAN Business на Infineon.

“Партнерство з Infineon та використання своїх транзисторів Coolgan Power у нашому новому адаптері 250 Вт дозволили нам створити продукт, який забезпечує виняткову ефективність та надійність”, – каже Річард Лін, менеджер продуктів живлення Universal Microelectronics. “Ця інновація узгоджується з нашою прихильністю до розробки передових електронних рішень, які відповідають розвиваючим вимогам мережевої галузі”.

Адаптер 250 Вт UMEC пропонує відмінну ефективність 95 відсотків, збільшення щільності потужності становить близько 39 відсотків. Транзистори Coolgan зменшують втрати потужності, дозволяють перемикатися на частотах вище 200 кГц та покращити теплову поведінку, що є критично важливим для компактних та потужних запасів високої щільності. Це критичні покращення ефективності на світовому ринку віртуальних мереж, який, як очікується, зросте з 48,6 мільярдів доларів у 2024 році до приблизно 200 мільярдів доларів до 2030 року, на CAGR – 26,5 відсотка.

Транзистори Nitride Nitride Infineon Gallium сприяють оцифруванню та декарбонізації, при цьому забезпечуючи високу частоту, підвищуючи ефективність та зниження розміру системи в широкому діапазоні застосувань. Вони доступні в класах напруги від 60 В до 700 В та в широкому спектрі пакетів.

Мемоні монети, такі як Бонк (Бонк), Dogwifhat (WIF) та Toshi (Toshi), стоять у вирішальному перехрестях, що мають тенденцію, у вівторок, оскільки більш широкий ринок криптовалют зазнає понад 1,50 мільярда доларів за останні 24 години. Ця аварія зменшила ринкову капіталізацію сегменту монет Meme до 69,96 млрд. Дол.

BNB (BNB), раніше відомий як Binance Coin, краї, трохи зростає на 1000 доларів на момент написання у вівторок після падіння на 5,2% попереднього дня. Завдяки інституційному попиту, інвестори з боку, які шукають можливість купівлі, можуть зробити це між діапазоном 900 та 948 доларів. До того, як BNB Bulls може встановити підґрунтя для потенційної свіжої ноги вище до нових максимумів за весь час.

Ripplex розгорнув функції відповідності на XRPL та окреслив постійні дослідження конфіденційності та інфраструктури Defi, але ключові віхи залишаються непідтвердженими.

Ripplex, розробка Ripple, продовжує будувати функції інституційного класу для книги XRP (XRPL). Останні оновлення зосереджені на дотриманні, що тривають дослідження щодо кредитування та рішення щодо конфіденційності.

Стратегічне партнерство забезпечує інфраструктуру та перевірені бойовими мікросервісами для трансформації глобальних медіа-процесів

Купертіно, Каліфорнія., 24 вересня 2025 року / Prnewswire/ – TVU Networks та Tencent Cloud оголосили про своє стратегічне партнерство на 2025 році Тенцент Глобальний саміт цифрової екосистеми, представляючи інтегроване хмарне рішення для виробництва медіа. Ця співпраця поєднує перевірені медіа -технології TVU Тенцент Надійна інфраструктура Cloud, що забезпечує підвищену ефективність, гнучкість та надійність для задоволення різноманітних потреб глобальних медіа -організацій.

Архітектура мікросервісів TVU з хмарними мікросервісами продемонструвала виняткову ефективність в екстремальних умовах. Системна трансляція для останнього Літні ігри реле факела в Париждозволило висвітлити найбільший футбольний турнір 2025 СШАта підтримували звітність про конфлікт у реальному часі. Його модульна конструкція дозволяє незалежному масштабувати критичні функції-придатність, комутацію, графіку, комунікацію та розподіл-дозволяє забезпечити справжні виробничі можливості на вимогу, які традиційне обладнання не може відповідати.

“Інновації TVU в медіа-процесах на основі мікросервісу було доведено на світових етапах, включаючи великі глобальні спортивні заходи, вибори на високі ставки та новини”,-сказав новин “,-сказав Пол ШеньГенеральний директор TVU Networks. “Наша глибока співпраця з Тенцент Хмара демонструє нашу здатність налаштувати рішення в інфраструктурі Tencent, що дозволяє глобальним медіа-організаціям керувати критично важливими робочими процесами на виробничі процеси Тенцент Хмара “.

Рішення стосується інтенсивних медіа-робочих процесів через п'ять технічних переваг: наднизька затримка потоку за допомогою протоколів фірмової передачі TVU з Тенцент Хмарні вузли; Еластична масштабованість за допомогою контейнерних послуг TKE, що дозволяє масштабувати ресурси другого рівня; Оптимізація хмарної, що стосується хмар, у стеку мікросервісів Tencent; AI, що працює на AI, що інтегрує автоматизовані субтитри, розумне редагування та розподіл контенту; та безпека підприємства, що поєднує рамку Тенсента Tencent із захистом вмісту ТВУ.

Доведений досвід TVU підтверджує фонд цього партнерства. Попередні розгортання продемонстрували значні підвищення ефективності: китайський провінційний мовник, що використовує TVU Mediahub, платформу хмарної маршрутизації TVU, скоротив великий час розгортання подій на 80%, скоротив персонал на місці на 70%та потроїв багатоплатформенного розподілу. Крім того, провідні глобальні спортивні платформи використовують хмарне виробництво TVU для масового віддаленого виробництва, що охоплюють десятки країн, що підтверджує свою міжнародну масштабованість та надійність для критичних місій.

“Партнерство з TVU дозволяє Тенцент Хмара для забезпечення високоефективних, високодоступних професійних можливостей робочого процесу для клієнтів ЗМІ “,-зазначено Ян ПенгВіце -президент Тенцент Хмара. “Традиційні робочі процеси, які колись залежали від супутникових вантажівок, виділених волокон або транспортних засобів на місцях, тепер можна легко замінити та розширювати далі Тенцент Хмара, вводячи сильний імпульс у цифрову трансформацію медіа -індустрії “.

Це партнерство дозволяє мовникам перенаправити капітал від покупки обладнання до створення вмісту, отримуючи доступ до динамічного розподілу ресурсів під час пікових сценаріїв, таких як основні спортивні події або вибух новин. Просуваючись вперед, обидві компанії продовжуватимуть інновації в робочих процесах, орієнтованих на AI, та оптимізації 5G, забезпечуючи медіа-організації у всьому світі з більш ефективним виробничим досвідом та просуванням цифрової трансформації галузі.

Про мережі TVU

TVU Networks-це глобально визнаний лідер у галузі IP-відео та хмарних мовних рішень, що обслуговує понад 4000 медіа-організацій, підприємств та державних клієнтів у 100+ країнах та регіонах. Його рішення охоплюють повний ланцюг придбання відео, хмарного виробництва, створення контенту, що працює на AI, та інтелектуальному розповсюдженні, широко застосованих у новинах, спорті, розвагах, заходах підприємств та онлайн-освіті. Завдяки постійному інноваціях TVU забиває відеоіндустрію в нову еру хмарних та розумних робочих процесів.

Про Тенцент Хмара

Тенцент Хмара – це бренд хмарних обчислень Тенцентприсвячений забезпеченню провідних у світі хмарних обчислень, великих даних та технологій штучного інтелекту для урядів, підприємств та розробників у всьому світі. Проводячи передові рішення та створюючи відкриту безпрограшну хмарну екосистему, Тенцент Хмара прискорює зростання промислового Інтернету та забезпечує цифрові оновлення в галузях.

Джерело TVU Networks

19 вересня 2025 року Міністерство Казначейства опублікував попереднє повідомлення про запропоновану нормотворчість, щоб вимагати публічного коментаря щодо питань, що стосуються реалізації Закону про геній. Коментарі відбулися 20 жовтня 2025 року.

Закон про геній вимагає майже 20 нормотворень казначейства та інших федеральних агентств. Тут Казначейство шукає коментарів щодо шести широких категорій інформації, які допоможуть інформувати майбутнє нормотворчості. Шість категорій включають: (1) емітентів StableCoin та постачальників послуг, (2) незаконні фінанси, (3) режими іноземних платежів стаблекуїну, (4) оподаткування, (5) страхування та (6) економічні дані. Шість широких категорій додатково розбиваються на 58 багатоскладових питань.

Період коментарів надає можливість промисловості та споживачам надати критичні відгуки, щоб допомогти формувати майбутні правила. Громадськість матиме додаткові можливості в майбутньому, щоб коментувати, коли Казначейство пропонує конкретні правила

Вірш Immersive запускає інтерактивну проходження AR, де правила Хеллоуїна вирішують вашу долю: розгортання на 15 ринках США в цьому сезоні

Чикаго, 23 вересня 2025 року / Prnewswire/ – вірш занурюючий, що працює від Enklu, сьогодні оголошено Trick 'r Lain: інтерактивний голографічний будинок з привидами, Перший родовий, на основі гарнітури, що базується на гарнітурі, на основі гарнітури, натхненний культовим фільмом про Хеллоуїн легендарного розваги.

Гості вступають у долину Уоррен, зустрічаються Trick 'r Lap Фанатики і першокласників.