Uma empresa planeja ajustar um modelo de linguagem grande no Amazon Bedrock para adaptar o estilo das mensagens de saída de seu aplicativo. Que tipo de dados de treinamento é necessário para realizar isso?

Para ajustar um modelo de linguagem grande (LLM) para adaptar o estilo das mensagens de saída, é crucial fornecer exemplos pareados de entradas e as saídas desejadas. O ajuste fino (fine-tuning) ensina o modelo a associar um determinado estilo de saída a entradas específicas, e isso só é possível com pares de dados que demonstrem essa relação. "Apenas mensagens de entrada de exemplo" seria insuficiente, pois o modelo não teria orientação sobre como as saídas devem ser estilizadas. "Apenas mensagens de saída de exemplo" também não funcionaria, pois o modelo não saberia a quais entradas essas saídas correspondem. "Coleções separadas de exemplos de entrada e exemplos de saída" é ineficaz porque a conexão entre entrada e saída é perdida, impedindo o aprendizado do mapeamento de estilo.