Choisissez parmi les principaux FM
Grâce à HAQM Bedrock, la création à l'aide d'une gamme de modèles de fondation (FM) devient aussi simple qu'un appel d'API. HAQM Bedrock donne accès à des modèles de pointe tels que Jurassic d'AI21 Labs, Claude d'Anthropic, Command et Embed de Cohere, Llama 2 de Meta et Stable Diffusion de Stability AI, ainsi qu'à nos propres modèles HAQM Titan. Avec HAQM Bedrock, vous pouvez sélectionner le FM le mieux adapté à votre cas d'utilisation et aux exigences de votre application.
Expérimentez avec des FM pour différentes tâches
Expérimentez avec différents FM à l'aide de terrains de jeu interactifs pour tester différentes modalités, notamment le texte, le chat et l'image. Les aires de jeux vous permettent d'essayer différents modèles adaptés à votre cas d'utilisation afin de vous faire une idée de l'adéquation du modèle à une tâche donnée.
Évaluez les FM pour sélectionner celui qui convient le mieux à votre cas d'utilisation
L'évaluation du modèle sur HAQM Bedrock vous permet d'utiliser des évaluations automatiques et humaines pour sélectionner des FM pour un cas d'utilisation spécifique. L'évaluation automatique des modèles utilise des jeux de données organisés et fournit des métriques prédéfinies, notamment la précision, la robustesse et la toxicité. Pour les métriques subjectives, vous pouvez utiliser HAQM Bedrock pour configurer un flux de travail d'évaluation humaine en quelques étapes simples. Grâce aux évaluations humaines, vous pouvez apporter vos propres jeux de données et définir des métriques personnalisées, telles que la pertinence, le style et l'alignement avec la voix de la marque. Les flux de travail d'évaluation humaine peuvent tirer parti de vos propres employés en tant que réviseurs, ou vous pouvez engager une équipe gérée par AWS pour effectuer l'évaluation humaine, dans le cadre de laquelle AWS recrute des évaluateurs qualifiés et gère le flux de travail complet en votre nom. Pour en savoir plus, lisez le blog.
Personnalisez vos FM en privé avec vos données
En quelques étapes simples, HAQM Bedrock vous permet de passer de modèles génériques à des modèles spécialisés et personnalisés en fonction de votre entreprise et de votre cas d'utilisation. Pour adapter un FM à une tâche spécifique, vous pouvez utiliser une technique appelée réglage fin. Pointez vers quelques exemples étiquetés dans HAQM Simple Storage Service (HAQM S3) : HAQM Bedrock crée une copie du modèle de base, l'entraîne avec vos données et crée un modèle affiné auquel vous seul pouvez accéder afin d'obtenir des réponses personnalisées. Des réglages affinés sont disponibles pour les modèles Command, Llama 2, HAQM Titan Text Lite et Express, HAQM Titan Image Generator et HAQM Titan Multimodal Embeddings. Vous pouvez également adapter les FM HAQM Titan Text Lite et HAQM Titan Express dans HAQM Bedrock grâce à un entraînement préalable continu, une technique qui utilise vos jeux de données non étiquetés pour personnaliser le FM en fonction de votre domaine ou de votre secteur d'activité. Grâce à un réglage affiné et à un entraînement préalable continu, HAQM Bedrock crée pour vous une copie privée et personnalisée du FM de base. Vos données ne sont pas utilisées pour entraîner les modèles de base d'origine. Vos données utilisées pour personnaliser les modèles sont transférées en toute sécurité via votre Virtual Private Cloud (VPC) HAQM. Pour en savoir plus, lisez le blog.
Converse API
Converse API fournit aux développeurs un moyen cohérent d’invoquer les modèles HAQM Bedrock, éliminant ainsi la complexité de l’ajustement des différences spécifiques aux modèles, telles que les paramètres d’inférence.
