Prepare los datos para los modelos de Amazon Nova

Recopile sus peticiones y guárdelas en formato de archivo .jsonl. Puede cargar conjuntos de datos personalizados en formato JSONL o seleccionar conjuntos de datos existentes de Amazon S3. Cada registro del JSONL debe usar el formato de finalización de chat de OpenAI en la siguiente estructura:

Requisitos:

Al crear un trabajo de ajuste de refuerzo, puede hacer que Amazon Bedrock utilice los registros de invocación existentes de su bucket de S3 como datos de entrenamiento. Para Amazon Bedrock, un registro de invocación es un registro detallado de las invocaciones del modelo.

Puede utilizar los registros de invocación de Invoke/Converse API almacenados en el lado del cliente de Amazon S3 para la formación.

Requisitos:

Para utilizar los registros de invocación para realizar ajustes de refuerzo, configure el inicio de sesión de invocación del modelo, utilice una de las operaciones de invocación del modelo y asegúrese de haber configurado un bucket de Amazon S3 como destino de los registros. Para obtener más información sobre la configuración de los registros de invocación, consulte Supervisar la invocación del modelo mediante CloudWatch Logs y Amazon S3.

Antes de poder iniciar el trabajo de ajuste del refuerzo con los registros de invocación de un bucket de S3 como entrada, debe proporcionar a Amazon Bedrock permisos para acceder a los registros desde un bucket de S3. Para obtener más información, consulte Personalización, acceso y seguridad de los modelos.

Si lo desea, puede añadir metadatos de solicitud a los pares de petición y respuesta del registro de invocación mediante una de las operaciones de invocación del modelo y, posteriormente, utilizarlos para filtrar los registros. Amazon Bedrock puede usar los registros filtrados para ajustar el modelo.

Añada los metadatos de las solicitudes a las solicitudes y respuestas de sus registros de invocación

Con los registros de invocación, puede identificar las solicitudes del conjunto de datos de entrenamiento que desea que Amazon Bedrock utilice para ajustar el refuerzo mediante los metadatos de solicitud adjuntos a los registros de invocación.

El siguiente es un ejemplo de un registro de invocación de una llamada con: InvokeModel requestMetadata

{
"schemaType": "ModelInvocationLog",
    "schemaVersion": "1.0",
    "timestamp": "2024-09-11T17:16:18Z",
    "accountId": "XXXXX",
    "identity": {
"arn": "arn:aws:sts::XXXXXXX:assumed-role/Admin/XXXXXX"
    },
    "region": "us-east-1",
    "requestId": "7ee514f3-9eff-467c-af75-8fd564ce58e5",
    "operation": "InvokeModel",
    "modelId": "meta.llama3-1-405b-instruct-v1:0",
    "input": {
"inputContentType": "application/json",
        "inputBodyJson": {
"prompt": "story of two dogs",
            "max_tokens_to_sample": 300
        },
        "inputTokenCount": 13
    },
    "output": {
"outputContentType": "application/json",
        "outputBodyJson": {
"type": "completion",
            "completion": " Here is a story about two dogs:\n\nRex and Charlie were best friends who lived next door to each other. Every morning, their owners would let them out into the backyard to play. Rex was a golden retriever with long, shaggy fur. He loved to run and chase sticks. Charlie was a corgi with short legs and a big smile. He was happy just sniffing the grass and rolling around. \n\nThe two dogs spent every day playing together. Rex would grab a stick and bring it over to Charlie, wagging his tail excitedly. Charlie would take the other end of the stick in his mouth and they'd have a friendly game of tug-of-war. After tiring themselves out, they'd flop down in the warm sunshine for a nap. \n\nAt lunchtime, their owners would call them in for food. Rex would gobble up his kibble hungrily while Charlie ate his at a more leisurely pace. After lunch, it was right back outside for more playtime. The afternoon sunbeams would light up their fur as they chased each other around the yard. \n\nWhen it started getting late, their owners called them in for the night. Rex and Charlie would head inside, tired but happy after another fun day of play. After slurping up fresh water from their bowls, they'd curl up on their beds, Rex's fluffy golden tail tucked over his nose and little",
            "stop_reason": "max_tokens",
            "stop": null
        },
        "outputTokenCount": 300
    },
    "requestMetadata": {
"project": "CustomerService",
        "intent": "ComplaintResolution",
        "priority": "High"
    }
}

Puede especificar el registro de invocación como fuente de datos de entrada al iniciar un trabajo de ajuste de refuerzo. Puede iniciar un trabajo de ajuste de refuerzo a través de la consola de Amazon Bedrock, mediante la API o el SDK AWS CLI.

Requisitos para proporcionar los metadatos de una solicitud

Los metadatos de solicitud deben cumplir los siguientes requisitos:

Uso de filtros de metadatos de solicitud

Una vez que estén disponibles los registros de invocación con los metadatos de la solicitud, puede aplicar filtros en función de los metadatos de la solicitud para elegir de forma selectiva las solicitudes que se van a incluir a fin de ajustar el modelo. Por ejemplo, es posible que desee incluir solo las que tengan metadatos y los soliciten. "project": "CustomerService" "priority": "High"

Para filtrar los registros mediante varios metadatos de solicitud, utilice un único operador AND booleano o. OR No puede combinar estos operadores. Para el filtrado de metadatos de una sola solicitud, utilice el Not Equals operador Equals o.