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.

# Automatische Modellbewertung
<a name="clarify-foundation-model-evaluate-auto"></a>

Sie können eine automatische Modellevaluierung in Studio oder mithilfe der `fmeval` Bibliothek in Ihrem eigenen Code erstellen. Studio verwendet einen Assistenten, um den Auftrag zur Modellbewertung zu erstellen. Die `fmeval` Bibliothek bietet Tools, mit denen Sie Ihren Arbeitsablauf weiter anpassen können.

Beide Arten von automatischen Modellevaluierungsaufträgen unterstützen die Verwendung von öffentlich verfügbaren JumpStart Modellen und JumpStart Modellen, die Sie zuvor auf einem Endpunkt bereitgestellt haben. Wenn Sie eine verwenden JumpStart , die zuvor * noch nicht bereitgestellt * wurde, kümmert sich die SageMaker KI darum, die erforderlichen Ressourcen zu erstellen und sie herunterzufahren, sobald die Modellevaluierung abgeschlossen ist. 

Um textbasierte LLMs von einem anderen AWS Dienst oder einem außerhalb von gehosteten Modell zu verwenden AWS, müssen Sie die `fmeval` Bibliothek verwenden.

Wenn Ihre Jobs abgeschlossen sind, werden die Ergebnisse in dem Amazon S3 Bucket gespeichert, der bei der Erstellung des Jobs angegeben wurde. Informationen zur Interpretation Ihrer Ergebnisse finden Sie unter[Verstehen Sie die Ergebnisse Ihres Auftrags zur Modellbewertung](clarify-foundation-model-evaluate-results.md).

**Topics**
+ [Erstellen eines Auftrags zur automatischen Modellbewertung in Studio](clarify-foundation-model-evaluate-auto-ui.md)
+ [Verwenden Sie die `` Fmeval-Bibliothek, um eine automatische Evaluierung durchzuführen](clarify-foundation-model-evaluate-auto-lib.md)
+ [Ergebnisse der Modellbewertung](clarify-foundation-model-reports.md)