Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Fine-tune Modelle mit offenem Gewicht unter Verwendung von OpenAI-kompatible APIs
Amazon Bedrock bietet OpenAI kompatible API-Endpunkte für die Feinabstimmung von Fundamentmodellen. Mit diesen Endpunkten können Sie vertraute OpenAI SDKs und Tools verwenden, um Feinabstimmungsaufträge mit Amazon Bedrock-Modellen zu erstellen, zu überwachen und zu verwalten. Auf dieser Seite wird die Verwendung dieser APIs zur Feinabstimmung von Verstärkungen beschrieben.
Die wichtigsten Funktionen
-
Trainingsdateien hochladen — Verwenden Sie die Files-API, um Trainingsdaten hochzuladen und zu verwalten, um Aufgaben zu optimieren
-
Jobs zur Feinabstimmung erstellen — Beginne mit der Feinabstimmung von Jobs mit benutzerdefinierten Trainingsdaten und Belohnungsfunktionen
-
Jobs auflisten und abrufen — Sieh dir alle Jobs zur Feinabstimmung an und erhalte detaillierte Informationen zu bestimmten Jobs
-
Auftragsereignisse überwachen — Verfolgen Sie den Fortschritt der Feinabstimmung anhand detaillierter Ereignisprotokolle
-
Zugriffs-Checkpoints — Rufen Sie während des Trainings erstellte Zwischen-Modell-Checkpoints ab
-
Sofortige Inferenz — Verwenden Sie nach Abschluss der Feinabstimmung das daraus resultierende fein abgestimmte Modell für On-Demand-Inferenzen über die OpenAI-compatible APIs (Responses/chat Completions API) von Amazon Bedrock ohne zusätzliche Bereitstellungsschritte
-
Einfache Migration — Kompatibel mit bestehenden SDK-Codebasen OpenAI
Verstärkter Arbeitsablauf zur Feinabstimmung bei Modellen mit offenem Gewicht
Stellen Sie vor der Feinabstimmung sicher, dass Sie über die Voraussetzungen verfügen, da Amazon Bedrock spezielle Berechtigungen benötigt, um den Feinabstimmungsprozess zu erstellen und zu verwalten. Umfassende Informationen zu Sicherheit und Berechtigungen finden Sie unter. Zugang und Sicherheit für Modelle mit offenem Gewicht
Führen Sie die Feinabstimmung der Verstärkungen für Modelle mit offenem Gewicht in 5 Schritten durch:
-
Trainingsdatensatz hochladen — Verwenden Sie die Files-API, um Eingabeaufforderungen im erforderlichen Format (z. B. JSONL) hochzuladen, wobei der Zweck der Feinabstimmung als Trainingsdatensatz zur Feinabstimmung von Verstärkungen dient. Weitere Informationen finden Sie unter Daten für Modelle mit offenem Gewicht vorbereiten.
-
Belohnungsfunktion konfigurieren — Definieren Sie einen Prüfer, der anhand von Lambda-Funktionen Modellantworten anhand von Korrektheit, Struktur, Tonalität oder anderen Zielen bewertet. Weitere Informationen finden Sie unter Einrichtung von Belohnungsfunktionen für Modelle mit offenem Gewicht.
-
Fine-tuning Job erstellen — Starten Sie den Auftrag zur Feinabstimmung der Verstärkung mithilfe der OpenAI -kompatiblen API, indem Sie das Basismodell, den Datensatz, die Belohnungsfunktion und andere optionale Einstellungen wie Hyperparameter angeben. Weitere Informationen finden Sie unter Einen Job zur Feinabstimmung erstellen.
-
Trainingsfortschritt überwachen — Mithilfe der APIs zur Feinabstimmung von Jobs können Sie den Status, Ereignisse und Trainingsmetriken nachverfolgen. Weitere Informationen finden Sie unter Führt Feinabstimmungsereignisse auf. Greifen Sie auf Prüfpunkte für Zwischenmodelle zu, um die Leistung in verschiedenen Trainingsphasen zu bewerten, siehe. Listet Checkpoints für die Feinabstimmung auf
-
Inferenz ausführen — Verwenden Sie die fein abgestimmte Modell-ID direkt für Inferenzen über die mit Amazon Bedrock OpenAI kompatiblen APIs für Antworten oder Chat-Abschlüsse. Weitere Informationen finden Sie unter Führen Sie die Inferenz mit einem fein abgestimmten Modell aus.
Unterstützte Regionen und Endpunkte
Die folgende Tabelle zeigt die Foundation-Modelle und Regionen, die OpenAI kompatible APIs zur Feinabstimmung unterstützen:
| Anbieter | Modell | Modell-ID | Name der Region | Region | Endpoint |
|---|---|---|---|---|---|
| OpenAI | Gpt-oss-20B | openai.gpt-oss-20b | USA West (Oregon) | us-west-2 | grundsteinmantel.us-west-2.api.aws |
| Königin | Qwen 3 32 B | qwen.qwen3-32b | USA West (Oregon) | us-west-2 | bedrock-mantle.us-west-2.api.aws |
