Pereiti prie turinio
2026 m. lapkričio 19 d., ketvirtadienis
Tenesys AI News
Prenumerata

AI automatizavimas

Darbo eigų automatizavimas, AI klientų aptarnavimas, kontaktų centrų ir CRM automatizavimas.

Automatizavimas· Svarbu· 🧪 Verta testuoti

„Google Cloud“ supaprastina DI duomenų paruošimą naudodama automatizuotus objektų praturtinimo įrankius

„Google Cloud“ pristatė „object enrichments“ – naują „Cloud Storage“ funkciją, kuri automatiškai išgauna metaduomenis iš vaizdų ir PDF failų. Saugant šį kontekstą tiesiogiai šalia pirminių objektų, nebereikia sudėtingų, individualiai kuriamų apdorojimo vamzdynų ar atskirų metaduomenų duomenų bazių.

Google Cloud AI
Automatizavimas· Svarbu· 🧪 Verta testuoti

Didelių JSON apkrovų optimizavimas dirbtinio intelekto agentams

AWS pateikia tris strategijas, kaip valdyti masyvius JSON duomenų paketus (virš 20 MB) AI agentuose, pasiekiant iki 71 % mažesnį tokenų sunaudojimą ir 80 % mažesnį delsos laiką. Metodas apima duomenų perkėlimą į Amazon S3, rezultatų fragmentavimą ir žodynų glaudinimą.

AWS Machine Learning
Automatizavimas· Svarbu· 🧪 Verta testuoti

„Amazon“ pristatė integruotus AI duomenų paruošimo įrankius „SageMaker“ platformai

„Amazon“ „SageMaker“ platformoje įdiegė naujas dirbtinio intelekto pagrindu veikiančias duomenų paruošimo galimybes, palengvinančias aukštos kokybės duomenų rinkinių kūrimą ir priežiūrą. Funkcionalumas apima automatinį žymėjimą, sintetinių duomenų generavimą ir kokybės patikras, valdomas per „Python SDK“ arba AI agentus.

AWS Machine Learning
Automatizavimas· Svarbu· 🧪 Verta testuoti

GKE mazgų sąnaudų optimizavimas ilgai veikiančioms DI agentų sesijoms

„Google“ išleido „Agent Substrate 1.0“ – atvirojo kodo platformą, skirtą DI agentų sesijoms „Kubernetes“ aplinkoje valdyti. Atskiriant būseną palaikančias sesijas nuo kompiuterinių išteklių, galima „parkuoti“ neveikiančius agentus objektų saugykloje ir atlaisvinti darbinį mazgą.

Google Developers
Automatizavimas· Svarbu· 🧪 Verta testuoti

Tyliųjų duomenų sugadinimų aptikimas ir šalinimas didelio masto GPU mokymo procesuose

Amazon pristatė sistemą, skirtą aptikti tyliuosius duomenų sugadinimus (SDC) paskirstyto mokymo metu, kai sugedusi įranga pateikia klaidingus skaičiavimus be jokių įspėjamųjų žurnalų. Integravę tris pasirinktines patikras – gradientų baigtinumo, žiedinio atkūrimo ir svorių atspaudų – į savo PyTorch DDP mokymo ciklus, galite identifikuoti, izoliuoti ir pakeisti neveikiančius mazgus.

AWS Machine Learning
Automatizavimas· 🧪 Verta testuoti

AWS Agent Registry atnaujinimo automatizavimas MCP serveriams

AWS paskelbė vadovą, kaip sukurti įvykiais pagrįstą architektūrą, skirtą automatiškai sinchronizuoti Model Context Protocol (MCP) įrankių schemas su AWS Agent Registry. Naudojant AWS CloudTrail, EventBridge ir Lambda, šis konvejeris aptinka vykdymo laiko pakeitimus ir atnaujina registrą kiekvieną kartą, kai pasikeičia MCP serverio įrankių schema.

AWS Machine Learning
Automatizavimas· Svarbu· 🧪 Verta testuoti

„AlloyDB“ prideda gimtąsias AI funkcijas SQL klasifikavimui ir duomenų išgavimui

„Google“ pristatė dvi naujas SQL funkcijas „AlloyDB“ – ai.classify ir ai.extract, leidžiančias atlikti „Gemini“ pagrįstas operacijas tiesiogiai „PostgreSQL 18“ aplinkoje. Šios funkcijos automatizuoja nestruktūrizuoto teksto apdorojimą, pavyzdžiui, nuotaikų analizę ar JSON išgavimą, nereikalaujant papildomų programinių tarpinių sluoksnių.

Google Cloud AI
Automatizavimas· Svarbu· 🧪 Verta testuoti

NVIDIA AICR įdiegė dirbtinio intelekto komponentų sąrašų (AIBOM) palaikymą

NVIDIA į savo „AI Cluster Runtime“ (AICR) įrankį integravo atvirojo kodo „k8s-aibom“ projektą. Tai leidžia platformų komandoms automatiškai generuoti ir audituoti dirbtinio intelekto komponentų sąrašus (AIBOM) Kubernetes aplinkoje, identifikuojant modelius, išvados (inference) aplinkas bei priklausomybes.

NVIDIA Developer
Automatizavimas· Svarbu· 🧪 Verta testuoti

„NVIDIA Snapshot“ pagreitina GPU išvadų paleidimą iki kelių sekundžių

„NVIDIA“ pristatė atviro kodo įrankį „NVIDIA Snapshot“, skirtą GPU darbo krūviams „Kubernetes“ aplinkoje. Įrašydama pilnai sukonfigūruotus modelius ir jų būsenas, sistema leidžia išvadų (inference) replikoms atsigauti per sekundes, o ne minutes, taip pašalinant pasikartojančius inicijavimo etapus.

NVIDIA Developer
Automatizavimas· Svarbu· 🧪 Verta testuoti

„Google Cloud“ pristato „Gemini for healthcare“

„Google Cloud“ išleido „Gemini for healthcare“ – platformą, skirtą sujungti suskaidytus klinikinius bei administracinius duomenis į vieningus darbo procesus. Sprendimas skirtas mažinti medikų darbo krūvį automatizuojant tokias užduotis kaip medicininių įrašų sintezė ir išankstinis leidimų patvirtinimas.

Google AI
Automatizavimas· Svarbu· 🧪 Verta testuoti

Google Maps Platform API paslaugos integruotos į Google AI Studio

Dabar galite kurti ir vizualizuoti programas, naudojančias Google Maps, Places ir Routes duomenis, tiesiogiai Google AI Studio aplinkoje. Naudojant natūralios kalbos užklausas, platforma automatiškai tvarko API konfigūraciją ir raktų valdymą, siūlydama nemokamą aplinką eksperimentams prieš pradedant gamybinį naudojimą.

Google Developers
Automatizavimas· Svarbu· 🧪 Verta testuoti

„Google Cloud“ pristato dinaminį TPU resursų skaidymą GKE platformoje

„Google Cloud“ pristatė dinaminį TPU (Tensor Processing Unit) skaidymą GKE (Google Kubernetes Engine) aplinkoje, leidžiantį atsieti logines aparatinės įrangos konfigūracijas nuo fizinių mazgų telkinių. Šis atnaujinimas panaikina poreikį rankiniu būdu perkurti mazgų telkinius keičiantis darbo krūviui, taip užtikrinant greitesnį prisitaikymą ir geresnį atsparumą klaidoms.

Google Cloud AI
Automatizavimas· Svarbu· 🧪 Verta testuoti

„Amazon SageMaker“ dabar palaiko „Multi-Instance GPU“ valdomiems galiniams taškams

„Amazon SageMaker Inference“ pristatė NVIDIA „Multi-Instance GPU“ (MIG) palaikymą, leidžiantį padalyti vieną fizinį GPU į kelis nepriklausomus vienetus. Šis aparatinis padalijimas suteikia kiekvienai particijai skirtą skaičiavimo galią ir atmintį, užtikrinant nuspėjamą delsą ir griežtą izoliaciją tarp modelių, esančių tame pačiame akceleratoriuje.

AWS Machine Learning
Automatizavimas· Svarbu· 🧪 Verta testuoti

NVIDIA pristatė atvirojo kodo įrankį paskirstytų DI apkrovų klaidų diagnostikai

NVIDIA išleido „NVIDIA Attribution“ – atvirojo kodo įrankį, skirtą žurnalams, metrikoms ir planuoklio būsenoms koreliuoti į struktūrizuotas paskirstytų DI mokymo darbų diagnostikas. Įrankis automatiškai išskiria pagrindinę gedimo priežastį iš šalutinių simptomų (pvz., NCCL klaidų), taip padėdamas infrastruktūros komandoms efektyviau valdyti didelio masto GPU sistemas.

NVIDIA Developer
Automatizavimas· Svarbu· 🧪 Verta testuoti

Kubernetes pasirengimo „NVIDIA Vera Rubin NVL72“ supaprastinimas

„NVIDIA“ pristatė atnaujintus „AI Cluster Runtime“ (AICR) receptus, skirtus „Kubernetes“ diegimui naujoje „Vera Rubin NVL72“ techninėje įrangoje. Šiuose receptuose pateikiamos iš anksto patvirtintos tvarkyklių, branduolių ir tinklo komponentų konfigūracijos, užtikrinančios sklandų klasterių veikimą nuo pirmos dienos.

NVIDIA Developer
Automatizavimas· Svarbu· 🧪 Verta testuoti

Vieningas Kubernetes darbo krūvio valdymas naudojant NVIDIA Workload Map

NVIDIA pristatė „Workload Map“ – įrankį, skirtą suteikti bendrą būdą „Kubernetes“ planuokliams ir platformoms interpretuoti įvairius paskirstytus dirbtinio intelekto darbo krūvius. Naudojant deklaratyvius YAML apibrėžimus, nebereikia kurti specialių pritaikymo adapterių kiekvienai naujai sistemai, tokiai kaip „JobSet“, „Ray“ ar „KServe“.

NVIDIA Developer
Automatizavimas· Svarbu· 🧪 Verta testuoti

Efektyvesnis „Kubernetes“ išvesties diegimas naudojant „NVIDIA Dynamo 1.4.2“

„NVIDIA“ pristatė „AI Cluster Runtime“ (AICR), skirtą „Dynamo“ išvesties infrastruktūrai sujungti į patikrintus diegimo šablonus. Šis atnaujinimas supaprastina diegimą, fiksuodamas versijas ir pašalindamas privalomas išorines priklausomybes, pvz., „NATS“, bei pristatydamas naujus „KV-aware“ maršrutizavimo kelius „Kubernetes“ aplinkoje.

NVIDIA Developer
Automatizavimas· 🧪 Verta testuoti

Darbo eigų stabilumo optimizavimas: API ribų ir „throttling“ valdymas

Efektyvus automatizavimas priklauso nuo to, kaip jūsų sistemos reaguoja į API apribojimus. Šiame straipsnyje paaiškinamas skirtumas tarp „rate limiting“ (griežti limitai, sukeliantys 429 klaidas) ir „throttling“ (užklausų vėlinimas) bei pateikiamos strategijos, tokios kaip eksponentinis atsitraukimas („exponential backoff“), „jitter“ ir aktyvus paketavimas patikimumui užtikrinti.

n8n
Automatizavimas· Svarbu· 🧪 Verta testuoti

AWS pristatė optimizuotus „Ray Train“ konteinerius EKS platformai

AWS pristatė paruoštus „Ray Train“ gilaus mokymosi konteinerius (DLC), kuriuose viename patikrintame atvaizde sujungtos „PyTorch“, „CUDA“, „NCCL“ ir „EFA“ tinklo bibliotekos. Tai leidžia jūsų įmonei diegti paskirstytojo mokymo grupes „Amazon EKS“ platformoje, nereikalaujant prižiūrėti pritaikytų atvaizdų kūrimo procesų ar spręsti sudėtingų tvarkyklių suderinamumo problemų.

AWS Machine Learning
Automatizavimas· Svarbu· 🧪 Verta testuoti

Agentinio QA automatizavimo mastelio didinimas su kelių komandų valdymu

AWS atnaujino savo „QA Studio“ etaloninį sprendimą, pridedant gimtąjį palaikymą kelių komandų organizacinėms struktūroms. Naujos galimybės apima programų lygio nuosavybę, automatizuotą sveikatos vertinimą remiantis „CloudWatch“ metrikomis ir granuliuotą vaidmenimis pagrįstą prieigos valdymą.

AWS Machine Learning
Automatizavimas· Svarbu· 🧪 Verta testuoti

„n8n 3.0“ pereina prie „container-only“ architektūros ir sugriežtina saugumo reikalavimus

„n8n 3.0“ išleista beta versijoje, daugiausia dėmesio skiriant pagrindinės architektūros stabilumui, griežtesniems saugumo numatytiesiems nustatymams ir pasenusių funkcijų šalinimui. Nuo šiol savarankiškai talpinamoms sistemoms privalomas „container-only“ diegimo modelis, o prieš gruodžio mėnesį numatytą stabilų išleidimą naudotojai turi pasinaudoti integruota migracijos ataskaita (Migration Report) esamiems pokyčiams valdyti.

n8n
AI automatizavimas · TENESYS AI NEWS