분석 회사인 DataPulse는 제품 지원 대화에 대한 응답을 개선하기 위해 Amazon Bedrock의 파운데이션 모델을 미세 조정하려고 합니다. 훈련 파일을 준비하여 s3://datapulse-bedrock/train/support_finetune.jsonl에 업로드했습니다. Bedrock은 한 줄에 하나의 훈련 예제를 예상합니다. Bedrock 미세 조정(모델 사용자 지정) 작업을 생성하기 위한 올바른 준비 및 제출 워크플로는 다음 중 무엇입니까?

정답은 Amazon Bedrock의 모델 사용자 지정 요구 사항을 정확하게 따릅니다. Bedrock은 미세 조정을 위해 각 줄이 'prompt'와 'completion' 키를 포함하는 JSONL(JSON Lines) 형식의 훈련 데이터를 예상합니다. 이 파일은 S3에 업로드되어야 하며, CreateModelCustomizationJob API 호출 시 trainingDataS3Uri에 정확한 S3 경로를 지정해야 합니다. 또한, Bedrock이 S3 데이터에 접근할 수 있도록 적절한 권한을 가진 roleArn과 trainingFormat을 'jsonl'로 설정하는 것이 필수적입니다. 오답인 "모든 예제가 포함된 단일 JSON 배열 파일..."은 SageMaker를 언급하며 Bedrock의 직접적인 미세 조정 워크플로우와 다릅니다. "input" 및 "output" 열이 있는 CSV 파일을 준비하고..."는 Bedrock이 CSV 형식을 지원하지 않으며, S3 버킷 이름만 전달하는 것은 올바른 S3 경로 지정 방식이 아닙니다. "각 줄이 "instruction" 및 "response" 키를 사용하는 JSONL 파일을 생성하지만..."은 키 이름이 Bedrock의 요구 사항('prompt', 'completion')과 일치하지 않으며, 전체 파일을 최상위 JSON 객체로 래핑하는 것은 JSONL 형식이 아닙니다. 또한, Bedrock 콘솔을 통한 제출 시에도 IAM 역할은 필요합니다.