Siapkan data untuk model Amazon Nova

Kumpulkan petunjuk Anda dan simpan dalam format .jsonl file. Anda dapat mengunggah kumpulan data khusus dalam format JSONL atau memilih kumpulan data yang ada dari Amazon S3. Setiap catatan di JSONL harus menggunakan format penyelesaian obrolan OpenAI dalam struktur berikut:

Persyaratan:

Saat membuat pekerjaan penyempurnaan penguatan, Anda dapat meminta Amazon Bedrock menggunakan log pemanggilan yang ada dari bucket S3 Anda sebagai data pelatihan. Untuk Amazon Bedrock, log pemanggilan adalah catatan terperinci dari pemanggilan model.

Anda dapat menggunakan log pemanggilan Invoke/Converse API yang disimpan di sisi pelanggan dari Amazon S3 untuk pelatihan.

Persyaratan:

Untuk menggunakan log pemanggilan untuk penyetelan penguatan, atur log pemanggilan model, gunakan salah satu operasi pemanggilan model, dan pastikan Anda telah menyiapkan bucket Amazon S3 sebagai tujuan log. Untuk informasi selengkapnya tentang menyiapkan log pemanggilan, lihat Meman tau pemanggilan model menggunakan CloudWatch Log dan Amazon S3.

Sebelum memulai pekerjaan penyempurnaan penguatan dengan log pemanggilan dari bucket S3 sebagai masukan, berikan izin Amazon Bedrock untuk mengakses log. Untuk informasi selengkapnya, lihat Akses dan keamanan kustomisasi model.

Anda dapat menambahkan metadata permintaan secara opsional ke pasangan prompt-response di log pemanggilan menggunakan salah satu operasi pemanggilan model dan kemudian menggunakannya untuk memfilter log. Amazon Bedrock dapat menggunakan log yang difilter untuk menyempurnakan model.

Tambahkan metadata permintaan ke prompt dan tanggapan di log pemanggilan Anda

Dengan log pemanggilan, Anda dapat mengidentifikasi petunjuk kumpulan data pelatihan yang ingin digunakan Amazon Bedrock untuk penyetelan penguatan menggunakan metadata permintaan yang dilampirkan ke log pemanggilan.

Berikut ini adalah contoh log pemanggilan dari InvokeModel panggilan dengan: requestMetadata

{
"schemaType": "ModelInvocationLog",
    "schemaVersion": "1.0",
    "timestamp": "2024-09-11T17:16:18Z",
    "accountId": "XXXXX",
    "identity": {
"arn": "arn:aws:sts::XXXXXXX:assumed-role/Admin/XXXXXX"
    },
    "region": "us-east-1",
    "requestId": "7ee514f3-9eff-467c-af75-8fd564ce58e5",
    "operation": "InvokeModel",
    "modelId": "meta.llama3-1-405b-instruct-v1:0",
    "input": {
"inputContentType": "application/json",
        "inputBodyJson": {
"prompt": "story of two dogs",
            "max_tokens_to_sample": 300
        },
        "inputTokenCount": 13
    },
    "output": {
"outputContentType": "application/json",
        "outputBodyJson": {
"type": "completion",
            "completion": " Here is a story about two dogs:\n\nRex and Charlie were best friends who lived next door to each other. Every morning, their owners would let them out into the backyard to play. Rex was a golden retriever with long, shaggy fur. He loved to run and chase sticks. Charlie was a corgi with short legs and a big smile. He was happy just sniffing the grass and rolling around. \n\nThe two dogs spent every day playing together. Rex would grab a stick and bring it over to Charlie, wagging his tail excitedly. Charlie would take the other end of the stick in his mouth and they'd have a friendly game of tug-of-war. After tiring themselves out, they'd flop down in the warm sunshine for a nap. \n\nAt lunchtime, their owners would call them in for food. Rex would gobble up his kibble hungrily while Charlie ate his at a more leisurely pace. After lunch, it was right back outside for more playtime. The afternoon sunbeams would light up their fur as they chased each other around the yard. \n\nWhen it started getting late, their owners called them in for the night. Rex and Charlie would head inside, tired but happy after another fun day of play. After slurping up fresh water from their bowls, they'd curl up on their beds, Rex's fluffy golden tail tucked over his nose and little",
            "stop_reason": "max_tokens",
            "stop": null
        },
        "outputTokenCount": 300
    },
    "requestMetadata": {
"project": "CustomerService",
        "intent": "ComplaintResolution",
        "priority": "High"
    }
}

Anda dapat menentukan log pemanggilan sebagai sumber data input saat memulai pekerjaan penyempurnaan penguatan. Anda dapat memulai pekerjaan penyempurnaan penguatan melalui konsol Amazon Bedrock, menggunakan API, AWS CLI, atau SDK.

Persyaratan untuk menyediakan metadata permintaan

Metadata permintaan harus memenuhi persyaratan berikut:

Menggunakan filter metadata permintaan

Setelah log pemanggilan dengan metadata permintaan tersedia, Anda dapat menerapkan filter berdasarkan metadata permintaan untuk memilih secara selektif permintaan mana yang akan disertakan untuk menyempurnakan model. Misalnya, Anda mungkin ingin menyertakan hanya yang memiliki "project": "CustomerService" dan "priority": "High" meminta metadata.

Untuk memfilter log menggunakan beberapa metadata permintaan, gunakan operator AND Boolean tunggal atau. OR Anda tidak dapat menggabungkan operator ini. Untuk pemfilteran metadata permintaan tunggal, gunakan Not Equals operator Equals or.