Une entreprise utilise un modèle de fondation d'Amazon Bedrock et souhaite améliorer sa précision en utilisant ses propres données. Quelle approche décrit correctement comment affiner le modèle ?

Pour affiner un modèle de fondation sur Amazon Bedrock, il est essentiel de lui fournir un ensemble de données d'entraînement structuré. Ce jeu de données doit inclure des paires prompt (l'entrée que le modèle recevra) et completion (la sortie souhaitée du modèle pour ce prompt). Cette approche permet au modèle d'apprendre les schémas spécifiques et les réponses attendues de votre entreprise, améliorant ainsi sa précision et sa pertinence pour vos cas d'utilisation. Les autres options sont incorrectes car : préparer les données sous forme de fichier .txt avec des lignes CSV n'est pas le format requis pour l'entraînement ; acheter du débit provisionné est une question de performance et de coût, pas d'affinement du modèle ; et entraîner le modèle avec des journaux et des manuels est trop vague et ne spécifie pas le format de données correct ni la méthode d'entraînement.