Esperienza per sviluppatori Amazon Bedrock

Amazon Bedrock rende la creazione con una vasta gamma di FM facile quanto una chiamata API. Amazon 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 Amazon Titan. Con Amazon Bedrock è possibile selezionare il FM più adatto al caso d'uso e ai requisiti dell'applicazione.

È possibile sperimentare 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 Amazon 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 Amazon Bedrock per configurare un flusso di lavoro di valutazione umana in pochi clic. 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 AWS, che assume valutatori esperti e gestisce l'intero flusso di lavoro per tuo conto. Per ulteriori informazioni, leggi il blog.

Con pochi clic, Amazon 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 Amazon S3 e Amazon 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, Titan Text Lite e per i modelli Express, Titan Image Generator e Titan Multimodal Embeddings. Un secondo modo per adattare i FM Titan Text Lite ed Express in Amazon Bedrock è il pre-addestramento continuo, una tecnica che utilizza i tuoi set di dati non etichettati per personalizzare il FM in base al tuo dominio o settore. Grazie all'ottimizzazione e al pre-addestramento continuo, Amazon 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 il cloud privato virtuale (VPC) Amazon. Per ulteriori informazioni, leggi il blog.

Utilizza un'API singola per effettuare inferenze, a prescindere dal modello scelto. L'utilizzo di un'API singola offre la flessibilità necessaria per utilizzare diversi modelli provenienti da diversi fornitori di modelli e restare aggiornato sulle versioni più recenti del modello con modifiche minime al codice.