Ein Unternehmen verfügt über 100 Beispiele hochwertiger Kundenservice-Gespräche und möchte, dass sein Chatbot den gewünschten Ton des Unternehmens annimmt. Welche Lösung wird diese Anforderung erfüllen?

Die korrekte Antwort ist "Erstellen Sie einen Amazon Bedrock Fine-Tuning-Job." Ein Fine-Tuning-Job in Amazon Bedrock ermöglicht es, ein bestehendes großes Sprachmodell (LLM) mit spezifischen Unternehmensdaten anzupassen. Die 100 hochwertigen Kundenservice-Gespräche sind ideale Beispiele, um dem LLM den gewünschten Ton und Stil des Unternehmens beizubringen. Dies verbessert die Relevanz und Qualität der Chatbot-Antworten erheblich. Amazon Personalize ist für personalisierte Empfehlungen gedacht, nicht für die Generierung von Chatbot-Antworten. Amazon SageMaker HyperPod Pre-Training-Jobs sind für das Training von Grund auf großen Modellen gedacht, was bei 100 Beispielen nicht effizient oder notwendig ist. Das Hosten eines Modells auf SageMaker mit TensorRT ist eine Bereitstellungsoption, aber nicht die Methode, um das Modell mit den spezifischen Daten zu trainieren oder anzupassen.