某公司拥有 100 个高质量客户服务对话示例，并希望其聊天机器人采用公司期望的语气。哪种解决方案可以满足此需求？

正确答案是创建 Amazon Bedrock 微调作业。微调（Fine-tuning）是一种有效的技术，可以通过少量高质量的领域特定数据（例如本例中的 100 个客户服务对话示例）来调整预训练的大型语言模型 (LLM)，使其更好地符合特定任务或公司语气。Amazon Bedrock 提供了便捷的微调功能，无需管理底层基础设施。 其他选项不正确： 使用 Amazon Personalize 生成聊天机器人响应：Amazon Personalize 主要用于个性化推荐，不适用于调整聊天机器人的语气或生成对话。 创建 Amazon SageMaker HyperPod 预训练作业：HyperPod 用于大规模分布式训练，通常用于从头开始训练大型模型或进行大规模预训练，对于少量数据调整现有模型而言过于复杂和资源密集。 在 Amazon SageMaker 上托管模型并使用 TensorRT 部署 LLM：这描述了模型部署和优化推理性能，而不是如何通过少量数据调整模型以符合特定语气。