A DataPulse, uma empresa de análise, deseja ajustar um modelo de base no Amazon Bedrock para melhorar as respostas em seus diálogos de suporte ao produto. Você preparou um arquivo de treinamento e o carregou para s3://datapulse-bedrock/train/support_finetune.jsonl. O Bedrock espera um exemplo de treinamento por linha. Qual dos seguintes é o fluxo de trabalho correto de preparação e envio para criar um trabalho de ajuste fino (personalização de modelo) do Bedrock?

A opção correta descreve o formato de dados e o fluxo de trabalho exatos para ajuste fino no Amazon Bedrock. O Bedrock espera um arquivo JSONL onde cada linha é um objeto com as chaves "prompt" e "completion". O upload para o S3 é necessário, e a API CreateModelCustomizationJob é usada com parâmetros específicos como baseModelArn, trainingDataS3Uri, roleArn (com permissões S3) e trainingFormat definido como "jsonl". As outras opções estão incorretas porque: A opção de SageMaker HyperParameterTuningJob não é o método direto para ajuste fino de modelos no Bedrock. O Bedrock não aceita arquivos CSV para ajuste fino e requer o caminho completo do objeto S3, não apenas o nome do bucket. O Bedrock não espera um objeto JSON de nível superior envolvendo o arquivo JSONL, nem permite o upload de dados de treinamento sem um perfil do IAM com as permissões apropriadas.