- 生成式 AI›
- Amazon Bedrock›
- 自訂
自訂應用程式
利用您的資料，安全地自訂生成式 AI 應用程式及代理程式
藉助企業資料來建置安全、客製化的 AI 應用程式
組織可善用其獨特的企業資料，針對其業務打造差異化體驗。您可利用檢索增強生成 (RAG)、模型微調、模型蒸餾，以及多模態資料處理等技術，依據您的特定使用案例建置生成式 AI 應用程式。確保完全控制敏感資訊 – 您的資料絕不會用於訓練基礎模型，或與包括 Amazon 在內的任何模型提供者分享。
針對您的應用程式打造差異化體驗
結合多種資料自訂工具，以便最佳化模型來實現網域特定準確度
Amazon Bedrock 知識庫
Amazon Bedrock 知識庫提供端對端受管 RAG 工作流程，可讓您整合您自己的資料來源中的關聯資訊，藉此建立高準確度、低延遲和安全的自訂生成式 AI 應用程式。
- 端對端 RAG 工作流程
- 安全地將 FM 和代理程式連接至資料來源
- 執行時期交付準確的回應
模型微調
訓練基礎模型以改善特定任務的效能 (稱為微調)，或讓模型熟悉某些類型的輸入以預先訓練模型 (稱為持續預先訓練)。依據您的特定需求來調整基礎模型，進而改善專業化任務的效能。
資料自動化
Amazon Bedrock 資料自動化是一個全受管 API，可輕鬆整合至您的應用程式。精簡生成式 AI 應用程式的開發，並自動執行包含文件、影像、音訊和影片的工作流程。
- 建置智慧型文件處理、媒體分析，以及以資料為中心的其他多模態自動化解決方案
- 以較低的成本提供產業領先的準確度，並提供視覺基礎、可解釋性的信心分數和內建幻覺緩解等功能
- 與 Amazon Bedrock 知識庫整合，可更輕鬆地透過非結構化多模態內容生成有意義的資訊，以便為 RAG 提供更相關的回應
模型蒸餾
藉助 Amazon Bedrock 模型蒸餾功能，您可以使用更小、更快、更具成本效益的模型，以提供使用案例特定的準確性，且其準確性能夠與 Amazon Bedrock 中最進階的模型相提並論。Amazon Bedrock 中的提煉模型比原始模型速度提升高達 500%，成本降低高達 75%，對於 RAG 等使用案例，準確性損失少於 2%。
- 藉助滿足您準確度要求的「教師」模型來微調「學生」模型
- 利用專屬資料合成最大限度提升提煉模型的效能
- 使用生產資料以降低成本。使用模型蒸餾功能，您可提供提示，然後用於生成回應及微調學生模型
- 提升代理程式的函數呼叫預測準確度。讓較小的模型也能準確預測函數呼叫，從而大幅提升回應速度並降低營運成本
找到今天所需的資訊了嗎？
讓我們知道，以便我們改善頁面內容的品質