本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
設定獎勵函數
獎勵函數會評估回應品質，並為模型訓練提供意見回饋訊號。選擇符合您任務需求的方法。
透過可驗證獎勵 (RLVR) 的強化學習
RLVR 可讓您針對程式碼產生或數學推理等目標任務最佳化模型。您可以使用可驗證的規則型分級器定義獎勵函數，或針對格式檢查、摘要和文字相似性等常見使用案例使用ready-to-use範本。
RLVR （自訂程式碼） 有兩個選項：
-
使用主控台提供的範本 - Amazon Bedrock 主控台為分級器 Lambda 函數提供範例範本：
-
使用 Ground Truth 驗證的數學推理
-
格式驗證和限制條件檢查
-
一般分級器 Lambda 範本搭配分級器 Lambda 函數的樣板程式碼
在設定 Lambda 函數之前，請遵循 Amazon Bedrock 主控台
中建立 RFT 任務頁面上所提供範本中的指示。 -
-
使用您自己的 Lambda 函數 — 使用您自己的 Lambda ARN 透過 Lambda 函數建立自訂獎勵函數。您可以結合多個分級器來產生單一分數。
透過 AI 意見回饋 (RLAIF) 進行強化學習
RLAIF 可最佳化主觀任務，例如下列指示或聊天機器人互動。您可以針對常用案例使用 AI 型判斷搭配ready-to-use範本，根據您定義的條件評估回應品質。
對於 RLAIF （模型做為判斷）：
-
選取 Amazon Bedrock 託管基礎模型做為判斷
-
設定評估指示
-
定義評估條件和評分準則
您可以使用 Amazon Bedrock 主控台中提供的 LLM-as-Judge提示範本：
-
說明如下 （判斷模型訓練）
-
摘要 （多迴轉對話方塊）
-
合理性評估 （專用網域的 CoT)
-
RAG 忠誠度 （以內容為基礎的問答）
注意
-
當您使用主控台的模型做為判斷選項時，Amazon Bedrock 會自動將您的組態轉換為訓練期間執行的 Lambda 函數。
-
如果您使用自己的 Lambda 函數，Lambda 執行角色需要必要的許可，才能叫用模型 ID 或推論描述檔的模型，如中所述RLAIF 的 Grader Lambda 函數許可。
