Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Verantwortliches KI-Toolkit und Moderation der Inhalte

Toolkit für verantwortungsvolle KI

Nova Forge bietet ein Toolkit für verantwortungsvolle KI, das Trainings- und Bewertungsdaten enthält, um Modelle während des Trainingsprozesses an den Richtlinien von Amazon Nova für verantwortungsvolle KI auszurichten, sowie Laufzeitsteuerungen, um die Reaktionen der Modelle während der Inferenz zu moderieren.

Trainingsdaten — Fälle und Szenarien, in denen verantwortungsvolle KI-Prinzipien, Sicherheitsüberlegungen und der verantwortungsvolle Einsatz von Technologie im Vordergrund stehen, stehen zur Verfügung, sodass Daten gemischt werden können, um die Modelle während der weiteren Trainingsvorbereitung verantwortungsbewusst aufeinander abzustimmen.

Evaluationen — Evaluationen, die die Fähigkeit des Modells testen, unangemessene, schädliche oder falsche Inhalte zu erkennen und abzulehnen, sind als Benchmark-Aufgabe verfügbar, um den Unterschied zwischen der Leistung des Basismodells und der Leistung des benutzerdefinierten Modells zu ermitteln.

Laufzeitkontrollen — Die Laufzeitsteuerung von Amazon Nova steuert standardmäßig moderate Modellreaktionen während der Inferenz. Um diese Laufzeitsteuerungen zu ändern, fordern Sie die anpassbaren Einstellungen für die Inhaltsmoderation von Amazon Nova an, indem Sie sich an einen AWS Kundenbetreuer wenden.

Sicherheit liegt in der gemeinsamen Verantwortung von AWS und ihren Benutzern. Eine Änderung des Basismodells oder kontinuierliche Vorschulungen zur Verbesserung der Leistung in einem bestimmten Anwendungsfall können sich auf die Sicherheit, Fairness und andere Eigenschaften des neuen Modells auswirken. Eine robuste Anpassungsmethode minimiert Änderungen an den in den Basismodellen integrierten Sicherheits-, Fairness- und anderen Schutzmaßnahmen und minimiert gleichzeitig die Auswirkungen auf die Modellleistung bei Aufgaben, für die das Modell nicht maßgeschneidert wurde. End-to-end Das Testen von Anwendungen anhand von Datensätzen, die für Anwendungsfälle repräsentativ sind, ist erforderlich, um festzustellen, ob die Testergebnisse bestimmte Erwartungen in Bezug auf Sicherheit, Fairness und andere Eigenschaften sowie die allgemeine Effektivität erfüllen. Weitere Informationen finden Sie im Leitfaden zur verantwortungsvollen Verwendung von KI von Amazon Web Services, in der Richtlinie für verantwortungsvolle KI von Amazon Web Services, in der Richtlinie zur zulässigen Nutzung von Amazon Web Services und in den Nutzungsbedingungen von Amazon Web Services.