Fine-tune modèles à poids ouvert utilisant OpenAI-API compatibles

Télécharger le jeu de données d'entraînement — Utilisez l'API Files pour télécharger les instructions dans le format requis (par exemple, JSONL) dans le but de les « peaufiner » en tant que jeu de données d'entraînement peaufinant le renforcement. Pour de plus amples informations, veuillez consulter Préparer les données pour les modèles à pondération ouverte.

Configurer la fonction de récompense : définissez un évaluateur pour évaluer les réponses du modèle en fonction de l'exactitude, de la structure, du ton ou d'autres objectifs à l'aide des fonctions Lambda. Pour de plus amples informations, veuillez consulter Configuration des fonctions de récompense pour les modèles à poids ouvert.

Create Fine-tuning Job : lancez le travail de réglage précis du renforcement à l'aide de l'API OpenAI compatible en spécifiant le modèle de base, l'ensemble de données, la fonction de récompense et d'autres paramètres facultatifs tels que les hyperparamètres. Pour de plus amples informations, veuillez consulter Créez une tâche de réglage précis.

Surveillez les progrès de la formation : suivez l'état des tâches, les événements et les indicateurs de formation à l'aide des API de personnalisation des tâches. Pour de plus amples informations, veuillez consulter Répertorier les événements de réglage. Accédez aux points de contrôle du modèle intermédiaire pour évaluer les performances à différentes étapes de l'entraînement, voirRépertorier les points de contrôle pour affiner.

Exécuter l'inférence : utilisez directement l'identifiant du modèle affiné pour effectuer des inférences via les API Responses ou Chat Completions OpenAI compatibles d'Amazon Bedrock. Pour de plus amples informations, veuillez consulter Exécutez l'inférence avec un modèle affiné.