Een bedrijf gebruikt een vooraf getraind foundation model op Amazon Bedrock, maar wil dit model voorzien van meer bedrijfsspecifieke context. Welke optie is de meest kosteneffectieve manier om die context toe te voegen?

Amazon Bedrock Knowledge Bases bieden een Retrieval Augmented Generation (RAG) aanpak, wat de meest kosteneffectieve manier is om een foundation model (FM) te voorzien van bedrijfsspecifieke context zonder het model zelf te hoeven fine-tunen. Knowledge Bases integreren met Bedrock FM's, waardoor ze relevante informatie uit uw databronnen kunnen ophalen en gebruiken om antwoorden te genereren. Dit verbetert de nauwkeurigheid en relevantie van de output aanzienlijk. Het kiezen van een ander FM is geen oplossing voor het toevoegen van specifieke context. Amazon Bedrock Agents zijn bedoeld voor het automatiseren van complexe taken en workflows, niet primair voor het toevoegen van context aan een FM. Het implementeren van een aangepast model is aanzienlijk duurder en complexer, omdat dit het fine-tunen of trainen van een nieuw model vereist, wat veel rekenkracht en data verbruikt.