Definiciones clave

Modelo básico (FM): un modelo de IA con una gran cantidad de parámetros y que se basa en una enorme cantidad de datos diversos. Un modelo básico puede generar una variedad de respuestas para una amplia gama de casos de uso. Los modelos básicos pueden generar texto o imagen, y también pueden convertir la entrada en incrustaciones. Antes de poder utilizar un modelo de base Amazon Bedrock, debe solicitar el acceso. Para obtener más información sobre los modelos de base, consulteModelos fundacionales compatibles en Amazon Bedrock.

Modelo base: modelo básico empaquetado por un proveedor y listo para usar. Amazon Bedrock ofrece una variedad de modelos de bases líderes del sector de los principales proveedores. Para obtener más información, consulte Modelos fundacionales compatibles en Amazon Bedrock.

Inferencia de modelos: proceso mediante el cual un modelo básico genera una salida (respuesta) a partir de una entrada determinada (solicitud). Para obtener más información, consulte Ejecución de inferencias de modelos.

Mensaje: entrada que se proporciona a un modelo para guiarlo a generar una respuesta o salida adecuada para la entrada. Por ejemplo, una solicitud de texto puede consistir en una sola línea a la que debe responder el modelo o puede detallar instrucciones o una tarea que debe realizar el modelo. El mensaje puede contener el contexto de la tarea, ejemplos de resultados o texto para que el modelo lo utilice en su respuesta. Las indicaciones se pueden usar para llevar a cabo tareas como la clasificación, la respuesta a preguntas, la generación de código, la escritura creativa y más. Para obtener más información, consulte Directrices sobre ingeniería de peticiones.

Símbolo: secuencia de caracteres que un modelo puede interpretar o predecir como una sola unidad de significado. Por ejemplo, en los modelos de texto, un símbolo podría corresponder no solo a una palabra, sino también a una parte de una palabra con un significado gramatical (como «-ed») o un signo de puntuación (como «?») , o una frase común (como «mucho»).

Parámetros del modelo: valores que definen un modelo y su comportamiento al interpretar los datos de entrada y generar respuestas. Los proveedores controlan y actualizan los parámetros del modelo. También puede actualizar los parámetros del modelo para crear uno nuevo mediante el proceso de personalización del modelo.

Parámetros de inferencia: valores que se pueden ajustar durante la inferencia del modelo para influir en la respuesta. Los parámetros de inferencia pueden afectar la variedad de las respuestas y también pueden limitar la longitud de una respuesta o la aparición de secuencias específicas. Para obtener más información y definiciones de parámetros de inferencia específicos, consulte. Parámetros de inferencia

Playground: una interfaz gráfica fácil de usar AWS Management Console en la que puede experimentar con la ejecución de inferencias de modelos para familiarizarse con Amazon Bedrock. Utilice el área de juegos para probar los efectos de diferentes modelos, configuraciones y parámetros de inferencia en las respuestas generadas por las distintas solicitudes que introduzca. Para obtener más información, consulte Áreas de pruebas.

Incrustación: proceso de condensar información mediante la transformación de la entrada en un vector de valores numéricos, conocido como incrustaciones, a fin de comparar la similitud entre distintos objetos mediante una representación numérica compartida. Por ejemplo, se pueden comparar oraciones para determinar la similitud de significado, se pueden comparar imágenes para determinar la similitud visual o se pueden comparar texto e imagen para ver si son relevantes entre sí. También puedes combinar entradas de texto e imagen en un vector de incrustaciones promediado si es relevante para tu caso de uso. Para obtener más información, consulte Ejecución de inferencias de modelos y Bases de conocimiento de Amazon Bedrock.

Orquestación: proceso de coordinación entre los modelos básicos y los datos y aplicaciones empresariales para llevar a cabo una tarea. Para obtener más información, consulte Agentes para Amazon Bedrock.

Agente: aplicación que lleva a cabo orquestaciones mediante la interpretación cíclica de las entradas y la producción de salidas mediante un modelo básico. Se puede utilizar un agente para llevar a cabo las solicitudes de los clientes. Para obtener más información, consulte Agentes para Amazon Bedrock.

Generación aumentada de recuperación (RAG): proceso de consultar y recuperar información de una fuente de datos para aumentar la respuesta generada a una solicitud. Para obtener más información, consulte Bases de conocimiento de Amazon Bedrock.

Personalización del modelo: proceso de utilizar los datos de entrenamiento para ajustar los valores de los parámetros del modelo en un modelo base con el fin de crear un modelo personalizado. Algunos ejemplos de personalización del modelo son el ajuste preciso, que utiliza datos etiquetados (entradas y salidas correspondientes), y el entrenamiento previo continuo, que utiliza datos sin etiquetar (solo entradas) para ajustar los parámetros del modelo. Para obtener más información sobre las técnicas de personalización de modelos disponibles en Amazon Bedrock, consulteModelos personalizados.

Hiperparámetros: valores que se pueden ajustar para personalizar el modelo a fin de controlar el proceso de entrenamiento y, en consecuencia, el modelo personalizado de salida. Para obtener más información y definiciones de hiperparámetros específicos, consulte. Hiperparámetros de modelos personalizados

Evaluación del modelo: proceso de evaluar y comparar los resultados del modelo para determinar el modelo más adecuado para un caso de uso. Para obtener más información, consulte Evaluación de modelos.

Rendimiento aprovisionado: nivel de rendimiento que se adquiere para un modelo base o personalizado con el fin de aumentar la cantidad o la tasa de tokens procesados durante la inferencia del modelo. Al adquirir el rendimiento aprovisionado para un modelo, se crea un modelo aprovisionado que se puede utilizar para realizar inferencias de modelos. Para obtener más información, consulte Rendimiento aprovisionado para Amazon Bedrock.