Amazon Bedrock 开发人员体验

借助 Amazon Bedrock,开发人员可以轻松使用各种高性能基础模型

从领先的基础模型中选择

借助 Amazon Bedrock,使用多个基础模型(FM)进行构建就像调用 API 那样简单。Amazon Bedrock 提供对领先模型的访问,包括 AI21 Labs 的 Jurassic、Anthropic 的 Claude、Cohere 的 Command and Embed、Meta 的 Llama 2 和 Stability AI 的 Stable Diffusion,以及我们自己的 Amazon Titan 模型。借助 Amazon Bedrock,您可以选择最适合您的使用案例和应用程序要求的基础模型。

展示 Amazon 基础模型,重点介绍其关键功能和设计元素

试用基础模型执行不同的任务

使用交互式平台试用不同的基础模型,包括文本、聊天和图像。平台允许您针对你的使用案例尝试各种模型,以感受模型是否适合给定任务。

Titan image generator 平台

评估基础模型 (FM) 以选择最适合您的使用案例的版本

Amazon Bedrock 上的模型评估允许您使用自动和人工评估来为特定使用案例选择 FM。自动模型评估使用精选的数据集并提供预定义的指标,包括准确性、鲁棒性和毒性。对于主观指标,只需使用 Amazon Bedrock 执行几个简单的步骤即可设置人工评估工作流。通过人工评估,您可以引入自己的数据集并定义自定义指标,例如相关性、风格和与品牌声音的一致性。人工评估工作流可以利用您自己的员工作为审核人员,也可以聘请 AWS 管理的团队来执行人工评估,其中 AWS 将聘请熟练的评估人员并代表您管理整个工作流。要了解更多信息,请阅读博客

自动模型评估

使用您的数据私下自定义基础模型

只需执行几个简单的步骤,即可通过 Amazon Bedrock 从通用模型转变为专为您的业务和使用案例定制的模型。 要针对特定任务调整基础模型,可以使用一种称为微调的技术。只需指向 Amazon Simple Storage Service(Amazon S3)中的一些标记示例,Amazon Bedrock 就会复制基本模型,使用您的数据对其进行训练,并创建一个只有您可以访问的微调模型,以便您获得自定义响应。 可以对 Command、Llama 2、Amazon Titan Text Lite 和 Express、Amazon Titan Image Generator 和 Amazon Titan Multimodal Embeddings 模型进行微调。 在 Amazon Bedrock 中调整 Amazon Titan Text Lite 和 Amazon Titan Express 基础模型的第二种方法是持续预训练,这是一种使用未标记数据集为您的领域或行业定制基础模型的技术。 通过微调和持续的预训练,Amazon Bedrock 会为您创建基础模型的私密自定义副本,并且您的数据不会用于训练原始基本模型。您用于自定义模型的数据将通过您的 Amazon Virtual Private Cloud(Amazon VPC)安全传输。要了解更多信息,请阅读博客

显示微调模型设置的配置页面

Converse API

Converse API 使开发人员能通过一致的方式调用 Amazon Bedrock 模型,避免了根据模型特定的差异(例如推理参数)进行调整的复杂工作。

描述发出 API 请求的过程的图像,其中展示了两个实体之间的通信