Fine-tune modelos de peso abierto que utilizan OpenAI-API compatibles

Cargue el conjunto de datos de entrenamiento: utilice la API de archivos para cargar las instrucciones en el formato requerido (por ejemplo, JSONL) con el propósito de «ajustarlas» como refuerzo del conjunto de datos de entrenamiento. Para obtener más información, consulte Prepare los datos para los modelos de peso abierto.

Configurar la función de recompensa: defina un calificador para puntuar las respuestas del modelo en función de la corrección, la estructura, el tono u otros objetivos mediante las funciones Lambda. Para obtener más información, consulte Configuración de funciones de recompensa para modelos de peso abierto.

Crear Fine-tuning trabajo: inicie el trabajo de ajuste de refuerzo mediante la API OpenAI compatible especificando el modelo base, el conjunto de datos, la función de recompensa y otros ajustes opcionales, como los hiperparámetros. Para obtener más información, consulte Cree un trabajo de ajuste.

Supervise el progreso de la formación: realice un seguimiento del estado del trabajo, los eventos y las métricas de formación mediante las API de tareas de ajuste preciso. Para obtener más información, consulte Enumere los eventos de ajuste. Acceda a los puntos de control de los modelos intermedios para evaluar el rendimiento en las diferentes etapas de la formación; consulte. Enumere los puntos de control de ajuste

Ejecute inferencias: utilice el ID de modelo ajustado directamente para realizar inferencias a través de las API Responses o Chat Completions compatibles con Amazon BedrockOpenAI. Para obtener más información, consulte Ejecute la inferencia con un modelo ajustado.