自定义您的应用程序
通过您的数据对生成式人工智能应用程序和代理进行安全自定义
利用企业数据构建安全且自定义的人工智能应用程序
组织可以利用其独有的企业数据来为自身业务打造独具特色的体验。通过运用诸如检索增强生成（RAG）、模型微调、模型蒸馏以及多模态数据处理等技术，您可以构建符合您特定应用场景的生成式人工智能应用程序。始终对敏感信息保持完全控制——您的数据绝不会被用于训练基础模型，也不会与任何模型提供商（包括 Amazon）共享。
为您的应用程序创造差异化特色
整合多种数据自定义工具，以优化针对特定领域的模型，提高其准确性
Amazon Bedrock 知识库
Amazon Bedrock 知识库提供一套端到端的托管式 RAG 工作流程，让您能够利用自身数据来源中的上下文信息，创建高度准确、低延迟、安全且自定义的生成式人工智能应用程序。
- 端到端的 RAG 工作流程
- 将 FM 和代理与数据来源安全地连接起来
- 在运行时提供准确的响应
模型微调
训练一个基础模型以提升在特定任务上的表现（这被称为微调）或者通过让模型熟悉某些类型的输入来对其进行预训练（这被称为持续预训练）。根据您的具体需求对基础模型进行调整，以提升针对特定任务的性能。
数据自动化
Amazon Bedrock Data Automation 是一个完全托管的 API，可以轻松集成到您的应用程序中。它既可简化生成式人工智能应用程序的开发，又可实现涉及文档、图像、音频和视频的工作流自动化
- 构建智能文档处理、媒体分析以及其他基于多模态数据的自动化解决方案
- 以更低的成本实现行业领先的准确性，并能提供其他功能，比如通过带有置信度分数的视觉定位功能实现可解释性，以及内置的幻觉缓解功能
- 与 Bedrock 知识库集成，可以更轻松地从非结构化多模态内容中生成有意义的信息，从而提供更相关的 RAG 响应
模型蒸馏
借助 Amazon Bedrock 模型蒸馏功能，您可以使用更小、更快、更具成本效益的模型，这些模型可提供与 Amazon Bedrock 中最先进模型相媲美的特定于使用案例的准确性。与原始模型相比，Amazon Bedrock 中的蒸馏模型速度最多可提高 500%，成本最多可降低 75%，而在 RAG 等使用案例中，精度损失不到 2%。
- 使用具有您所需准确度的“教师式”模型对“学生式”模型进行微调 • 利用专有数据合成技术最大限度提升蒸馏模型的性能
- 通过导入生产数据来降低成本。模型蒸馏功能使您能够输入提示，然后利用这些提示生成响应，并对学生式模型进行微调
- 提高代理的函数调用预测准确度。支持较小的模型准确预测函数调用，从而大大缩短响应时间并降低运营成本
找到今天要查找的内容了吗？
请提供您的意见，以便我们改进网页内容的质量。