Amazon Bedrock 开发人员体验

借助 Amazon Bedrock，开发人员可以轻松使用各种高性能基础模型（FM）

从领先的基础模型中选择

Amazon Bedrock 让使用各种基础模型进行构建就像调用 API 一样简单。Amazon Bedrock 提供对领先模型的访问，包括 AI21 Labs 的 Jurassic、Anthropic 的 Claude、Cohere 的 Command and Embed、Meta 的 Llama 2 和 Stability AI 的 Stable Diffusion，以及我们自己的 Amazon Titan 模型。借助 Amazon Bedrock，您可以选择最适合您的使用案例和应用程序要求的基础模型。

试用基础模型执行不同的任务

您可以使用交互式平台轻松地尝试不同的 FM，包括文本、聊天和图像。平台允许您针对你的使用案例尝试各种模型，以感受模型是否适合给定任务。

评估基础模型 (FM) 以选择最适合您的使用案例的版本

Amazon Bedrock 上的模型评估允许您使用自动和人工评估来为特定使用案例选择 FM。自动模型评估使用精选的数据集并提供预定义的指标，包括准确性、鲁棒性和毒性。对于主观指标，只需使用 Amazon Bedrock 单击几下即可设置人工评估工作流程。通过人工评估，您可以引入自己的数据集并定义自定义指标，例如相关性、风格和与品牌声音的一致性。人工评估工作流程可以利用您自己的员工作为审核者，也可以聘请 AWS 管理的团队来执行人工评估，其中 AWS 将聘请熟练的评估人员并代表您管理端到端工作流程。要了解更多信息，请阅读博客。

使用您的数据私下自定义基础模型

只需点击几下，即可通过 Amazon Bedrock 从通用模型转变为专为您的业务和使用案例定制的模型。要针对特定任务调整基础模型，可以使用一种称为微调的技术。只需指向 Amazon S3 中的一些标记示例，Amazon Bedrock 就会复制基础模型，使用您的数据对其进行训练，并创建一个只有您可以访问的微调模型，以便您获得自定义响应。可以对 Command、Llama 2、Titan Text Lite 和 Express、Titan Image Generator 和 Titan Multimodal Embeddings 模型进行微调。在 Amazon Bedrock 中调整 Titan Text Lite 和 Express FM 的第二种方法是持续预训练，这是一种使用未标记数据集为您的领域或行业定制基础模型的技术。通过微调和持续的预训练，Amazon Bedrock 会为您创建基础 FM 的私密自定义副本，并且您的数据不会用于训练原始基础模型。您用于自定义模型的数据将通过您的 Amazon Virtual Private Cloud（VPC）安全传输。要了解更多信息，请阅读博客。