借助 Amazon SageMaker Canvas，利用基础模型展开大规模业务分析



今天，我很高兴向大家介绍 Amazon SageMaker Canvas 的一项新功能：通过无代码体验使用 Amazon Bedrock 和 Amazon SageMaker Jumpstart 中的基础模型（FM）。此项新功能允许您以高度准确的方式，更加轻松地针对特定用例评估和生成 FM 响应。

每家企业都有一套面向专门领域的独特词汇，通用模型未经训练，无法理解或回应它们。Amazon SageMaker Canvas 中的新功能有效地填补了这一空白。SageMaker Canvas 将为您训练模型，使用我们公司的数据，您无需编写任何代码，即可让模型的输出准确体现您的业务领域和应用场景（例如完成市场分析）。在微调过程中，SageMaker Canvas 会在您的账户中创建新的自定义模型，用于微调的数据不用来训练原始 FM，这为您的数据隐私性提供了保障。

今年早些时候，我们扩展了 Amazon SageMaker Canvas 对即用型模型的支持，将基础模型（FM）纳入了支持范围。这允许您通过无代码聊天界面访问、评估和查询 Claude 2、Amazon Titan 和 Jurassic-2（由 Amazon Bedrock 提供支持）等 FM，以及 Falcon 和 MPT（由 Amazon SageMaker JumpStart 提供支持）等公开可用模型。在这项体验的基础上，我们进一步启用了 FM 查询功能，以便从您自有的企业文档索引（如 Amazon Kendra）中的一组文档中提炼出见解。尽管查询 FM 很有帮助，但客户仍希望构建可针对其用例生成响应和见解的 FM。今后，一项构建 FM 的新功能将满足生成自定义响应的需求。

要开始使用这项新功能，我需要打开 SageMaker Canvas 应用程序，在左侧的导航窗格中选择我的模型。 点击新建模型按钮，选择微调基础模型，然后点击创建。

我需要选择训练数据集，最多可以选择三个模型进行调整。我要选择带有提示文本的输入列，以及带有所需输出文本的输出列。然后，选择微调，启动微调过程。

完成微调过程后，SageMaker Canvas 会使用各种指标（例如，困惑度和损失曲线、训练损失、验证损失等）分析经过微调的模型，并向我提供分析结果。此外，SageMaker Canvas 还提供了模型排行榜，使我能够衡量和比较生成模型的模型质量指标。

现在，我已准备好测试模型，并将该模型的响应与原始基础模型的响应进行对比。要进行测试，我需要在分析页面选择在即用型模型中测试。经过微调的模型已自动部署，现在，我可以与它聊天，并对响应做出比较。

现在，我已准备好生成和评估针对我特定用例的见解。实现这一结果无需编写任何代码，这算得上是锦上添花。

了解详情

• Amazon SageMaker Canvas 产品页面
• Amazon SageMaker Canvas 开发人员指南

立即构建！

— Irshad

附注：即使文章标题下只有一个署名，但撰写 AWS 的博客文章始终离不开团队的共同努力。在此，我要感谢 Shyam Srinivasan 提供的技术帮助。