Uma empresa usa um foundation model do Amazon Bedrock e quer melhorar sua precisão usando os próprios dados da empresa. Qual abordagem descreve corretamente como fazer o fine-tuning do modelo?

Para fazer o fine-tuning de um foundation model no Amazon Bedrock, é essencial fornecer um conjunto de dados rotulado que contenha pares de prompt e completion. Isso permite que o modelo aprenda a gerar as respostas desejadas com base nos exemplos fornecidos, adaptando-se ao domínio específico ou ao estilo da empresa. As outras opções estão incorretas porque: Preparar os dados como um arquivo .txt formatado em CSV não é o formato correto para fine-tuning; o Bedrock espera um formato específico (geralmente JSONL) com pares de prompt/completion. Comprar Provisioned Throughput é para garantir capacidade e desempenho, não para fine-tuning do modelo. Treinar o modelo usando periódicos e livros didáticos descreve o pré-treinamento de um foundation model, não o fine-tuning com dados específicos da empresa.