公司
也叫：Amazon
亚马逊旗下科研机构，发布机器学习领域研究。
最近变化
2026-10-22 · TorchNeuron的adaptive eager模式可提升30%以上训练效率
Amazon Science 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
已收录 7 篇与「Amazon Science」相关的 AI 资讯和分析。
TorchNeuron通过AI驱动的优化和与AWS Trainium芯片的深度集成，实现PyTorch模型在云训练中的高效执行。
入选理由：TorchNeuron的adaptive eager模式可提升30%以上训练效率
机器学习研究代理通过压缩模型避免过拟合，且压缩可作为诊断工具。实验显示成功策略高度可压缩，信息瓶颈测试能区分真实结构与数据记忆。
入选理由：ML模型多次迭代后仍不因基准测试过拟合，与教科书预测矛盾
SOP-Bench是亚马逊推出的首个真实业务流程AI代理基准，包含12个领域2000+任务，揭示现有模型在复杂流程中的性能局限。
入选理由：SOP-Bench包含12个业务领域2000+真实任务，配对工具和标准答案
使用Ising模型进行依赖感知的标签聚合，可提升多评委LLM评估的准确性，减少因评委输出相关性导致的误差。
入选理由：Ising模型方法在三个任务中提升9-14%准确率，优于加权多数投票基线。
Amazon Science发布PatientAgentBench基准，通过生成合成患者数据和LLM评分，发现健康AI代理在临床场景中的关键缺陷。
入选理由：PatientAgentBench生成合成患者记录和临床情景，评估AI代理在多轮对话中的表现
ControlG框架利用PID控制器动态分配计算资源，解决多任务机器学习中的冲突问题，通过时间分离目标消除负迁移等三大缺陷。
入选理由：ControlG采用PID控制器按时间序列分配计算资源，避免梯度混合导致的负迁移问题
亚马逊开源工具Turnstile通过精确记录token ID提升强化学习训练效果，验证显示两类智能体训练效率提升。
入选理由：Turnstile工具可精确记录生成时的token级历史数据
与「Amazon Science」经常一起出现的 AI 术语。
💡 想追踪「Amazon Science」的长期趋势？去 实体雷达 · Amazon Science 查看详细分析和跨材料问答。
