Prepara i dati di allenamento e le funzioni di ricompensa per la messa a punto dei rinforzi

Per creare un lavoro di ottimizzazione dei rinforzi, sono necessari dati di addestramento e funzioni di ricompensa che valutino la qualità della risposta. A differenza della regolazione fine tradizionale che richiede coppie di ingresso/uscita, RFT utilizza istruzioni e segnali di ricompensa per guidare l'apprendimento del modello.

Puoi utilizzare i log di chiamata dell'API Amazon Bedrock esistenti come dati di addestramento o caricare nuovi set di dati. Le funzioni di ricompensa definiscono i fattori che determinano una buona risposta e possono utilizzare la verifica basata su regole (RLVR) o il giudizio basato sull'intelligenza artificiale (RLAIF).