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

Sube el conjunto de datos de entrenamiento: usa la API Files para subir las instrucciones en el formato requerido (por ejemplo, JSONL) con el propósito de «afinar» el conjunto de datos de entrenamiento para ajustar el refuerzo. Para obtener más información, consulte Prepare los datos para los modelos de peso abierto.

Configure la función de recompensa: defina un calificador para calificar las respuestas del modelo en función de la corrección, la estructura, el tono u otros objetivos mediante funciones de 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 del 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 capacitación: realice un seguimiento del estado de las tareas, los eventos y las métricas de la capacitación mediante las API de tareas de optimización. Para obtener más información, consulte Enumere los eventos de ajuste. Acceda a los puntos de control del modelo intermedio para evaluar el rendimiento en las diferentes etapas de la formación, consulte. Enumere los puntos de control de ajuste

Ejecute la inferencia: utilice el ID del modelo optimizado directamente para realizar inferencias a través de las API de respuestas o finalización de chat OpenAI compatibles con Amazon Bedrock. Para obtener más información, consulte Ejecute la inferencia con un modelo ajustado.