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。使用擷取增強產生 (RAG)、模型微調、模型蒸餾和多模式資料處理等技術，您可以根據您的特定使用案例建構生成人工智慧應用程式。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
訓練基礎模型以提高特定任務的效能（稱為微調），或通過將模型熟悉某些類型的輸入（稱為持續預訓）來預訓模型。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。它簡化生成人工智能應用程序的開發，並自動化包括文檔、圖像、音頻和視頻的工作流程。
- 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
- 業界領先的準確度，更低成本以及視覺基礎功能，以及可解釋性的信心分數以及內置幻覺緩解等功能
- 與 Amazon Bedrock 知識庫整合，使您可以更輕鬆地從非結構化多模式內容產生有意義的信息，以為 RAG 提供更相關的回應
模型蒸餾
使用 Amazon Bedrock 模型蒸餾功能，您可以使用較小、更快、更具成本效益的型號，提供特定使用案例的準確度，與 Amazon Bedrock 中最先進型號相比。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%。
- 使用具有您想要的準確度的「老師」模型微調「學生」模型
- 利用專有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模型蒸餾可讓您提供提示，然後使用它們產生回應並微調學生模型
- 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