Firma posiada 100 przykładów wysokiej jakości rozmów z obsługą klienta i chce, aby jej chatbot przyjął pożądany ton firmy. Które rozwiązanie spełni tę potrzebę?

Prawidłowa odpowiedź to "Utwórz zadanie fine-tuningu Amazon Bedrock". Amazon Bedrock umożliwia dostrajanie (fine-tuning) dużych modeli językowych (LLM) przy użyciu własnych danych, co jest idealne do adaptacji tonu i stylu chatbota do specyficznych wymagań firmy. Dostarczone 100 przykładów wysokiej jakości rozmów to doskonały zestaw danych do tego celu. Pozostałe opcje są nieprawidłowe: Amazon Personalize służy do rekomendacji produktów, a nie do generowania odpowiedzi chatbota. Amazon SageMaker HyperPod jest przeznaczony do rozproszonego trenowania modeli podstawowych na dużą skalę, a nie do dostrajania istniejących LLM za pomocą małego zestawu danych. Hostowanie modelu na Amazon SageMaker z TensorRT dotyczy optymalizacji wnioskowania, a nie dostosowywania zachowania modelu do konkretnego tonu.