Accesso ai modelli HAQM Bedrock

HAQM Bedrock fa sì che la creazione con una gamma di modelli di fondazione (FM) sia semplice come una chiamata API. HAQM Bedrock fornisce accesso ai principali modelli, tra cui Jurassic di AI21 Labs, Claude di Anthropic, Command ed Embed di Cohere, Llama 2 di Meta e Stable Diffusion di Stability AI, nonché i nostri modelli di HAQM Titan. Con HAQM Bedrock è possibile selezionare il FM più adatto al caso d'uso e ai requisiti dell'applicazione.

Sperimenta facilmente con diversi FM utilizzando spazi di sviluppo interattivi per diverse modalità, tra cui testo, chat e immagini. Gli spazi di sviluppo consentono di provare diversi modelli per il tuo caso d'uso per mettere alla prova l'idoneità di un modello per una data attività.

Valutazione di modelli di HAQM Bedrock consente di utilizzare valutazioni automatiche e umane per selezionare modelli di fondazione (FM) per un caso d'uso specifico. La valutazione automatica dei modelli utilizza set di dati selezionati e fornisce parametri predefiniti, tra cui accuratezza, solidità e presenza di contenuti inappropriati. Per adottare parametri soggettivi, è possibile utilizzare HAQM Bedrock per configurare un flusso di lavoro di valutazione umana in pochi passaggi. Con la valutazione umana, è possibile utilizzare il proprio set di dati e definire parametri personalizzati, come pertinenza, stile e conformità alla voce del marchio. Per l'esecuzione di flussi di lavoro di valutazione umana, puoi impiegare i tuoi dipendenti come revisori o affidarti a un team gestito da AW. In questo caso, AWS assume valutatori esperti e gestisce il flusso di lavoro completo per tuo conto. Per ulteriori informazioni, leggi il blog.

In pochi passaggi HAQM Bedrock consente di passare da modelli generici a modelli specializzati e personalizzati per la tua attività e il tuo caso d'uso. Per adattare un FM a un'attività specifica, è possibile utilizzare una tecnica chiamata ottimizzazione. È sufficiente indicare qualche esempio etichettato in HAQM Simple Storage Service (HAQM S3) e HAQM Bedrock farà una copia del modello di fondazione, lo addestrerà con i tuoi dati e creerà un modello ottimizzato accessibile solo da te, dal quale potrai ottenere risposte personalizzate. L'ottimizzazione è disponibile per Command, Llama 2, HAQM Titan Text Lite ed Express, il generatore di immagini di HAQM Titan e gli incorporamenti multimodali di HAQM Titan. Un secondo modo per adattare i FM HAQM Titan Text Lite e HAQM Titan Express in HAQM Bedrock è il pre-addestramento continuo, una tecnica che utilizza i set di dati non etichettati per personalizzare il FM in base al tuo dominio o settore. Grazie all'ottimizzazione e al pre-addestramento continuo, HAQM Bedrock crea una copia privata e personalizzata del FM di base per te e i tuoi dati non vengono utilizzati per addestrare i modelli di base originali. I dati utilizzati per personalizzare i modelli vengono trasferiti in modo sicuro tramite HAQM Virtual Private Cloud (HAQM VPC). Per ulteriori informazioni, leggi il blog.

L'API Converse offre agli sviluppatori un modo coerente per richiamare i modelli di HAQM Bedrock, eliminando la complessità nella regolazione delle differenze specifiche del modello, come i parametri di inferenza.