Experiencia para desarrolladores de Amazon Bedrock

Amazon Bedrock facilita a los desarrolladores el trabajo con una amplia gama de modelos fundacionales (FM) de alto rendimiento
Se muestra el modelo fundacional de Amazon, destacando sus principales características y elementos de diseño

Elija entre los principales FM

Amazon Bedrock hace que la creación con una variedad de FM sea tan fácil como hacer una llamada a la API. Amazon Bedrock brinda acceso a los principales modelos, incluidos Jurassic de AI21 Labs, Claude de Anthropic, Command and Embed de Cohere, Llama 2 de Meta y Stable Diffusion de Stability AI, así como nuestros propios modelos de Amazon Titan. Con Amazon Bedrock, puede seleccionar el FM que mejor se adapte a su caso de uso y a los requisitos de la aplicación.

Área de juegos con generador de imágenes Titan

Experimente con los FM para diferentes tareas

Puede experimentar fácilmente con diferentes FM utilizando áreas de juego interactivas para diversas modalidades, como texto, chat e imagen. Las áreas de juego permiten probar varios modelos para su caso de uso para hacerse una idea de la idoneidad del modelo para una tarea determinada.

evaluación automática de modelos

Evalúe los FM para seleccionar el que mejor se adapte a su caso de uso (vista previa)

La evaluación de modelos en Amazon Bedrock permite utilizar evaluaciones automáticas y humanas para seleccionar los FM para un caso de uso específico. La evaluación automática del modelo utiliza conjuntos de datos seleccionados y proporciona métricas predefinidas que incluyen la precisión, la solidez y la toxicidad. En el caso de las métricas subjetivas, puede utilizar Amazon Bedrock para configurar un flujo de trabajo de evaluación humana con unos pocos clics. Con las evaluaciones humanas, puede traer sus propios conjuntos de datos y definir métricas personalizadas, como la relevancia, el estilo y la alineación con la voz de la marca. Los flujos de trabajo de evaluación humana pueden aprovechar a sus propios empleados como revisores o puede contratar a un equipo administrado por AWS para que lleve a cabo la evaluación humana, donde AWS contrata a evaluadores cualificados y administra el flujo de trabajo de principio a fin en su nombre. Para obtener más información, lea el blog.

Página de configuración que muestra los ajustes para el modelo con los ajustes de precisión

Personalice los FM de forma privada con sus datos

Con unos pocos clics, Amazon Bedrock permite que pase de modelos genéricos a modelos especializados y personalizados para su empresa y caso de uso. Para adaptar un FM a una tarea específica, puede usar una técnica llamada ajustes de precisión. Simplemente señale algunos ejemplos etiquetados en Amazon S3 y Amazon Bedrock hará una copia del modelo base, lo entrenará con sus datos y creará un modelo con ajustes de precisión al que solo podrá acceder usted, de modo que obtendrá respuestas personalizadas. Los ajustes de precisión están disponibles para los modelos Command, Llama 2, Titan Text Lite y Express, Generador de imágenes de Titan e incrustaciones multimodales de Titan. Una segunda forma de adaptar los FM Titan Text Lite y Express en Amazon Bedrock es mediante un entrenamiento previo continuo, una técnica que utiliza los conjuntos de datos sin etiquetar para personalizar el FM para su dominio o sector. Tanto con los ajustes de precisión como con el entrenamiento previo continuo, Amazon Bedrock crea una copia privada y personalizada del FM base para usted, y sus datos no se utilizan para entrenar los modelos base originales. Los datos que utiliza para personalizar los modelos se transfieren de forma segura a través de su nube virtual privada (VPC) de Amazon. Para obtener más información, lea el blog.

Una imagen que ilustra el proceso de hacer solicitudes a la API y que muestra la comunicación entre dos entidades

API única

Utilice una API única para llevar a cabo la inferencia, independientemente del modelo que elija. Tener una API única brinda la flexibilidad para usar diferentes modelos de diferentes proveedores de modelos y mantenerse al día con las últimas versiones de los modelos con cambios mínimos en el código.