As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Criar sua primeira avaliação de modelo que utiliza trabalhadores humanos
Um trabalho de avaliação de modelo que utiliza trabalhadores humanos requer acesso aos recursos de nível de serviço a seguir. Use os tópicos com link para saber mais sobre como configurar.
**Recursos de nível de serviço necessários para iniciar um trabalho de avaliação de modelo que utiliza trabalhadores humanos**
1. Os trabalhos de avaliação de modelos que usam trabalhadores humanos permitem que você obtenha rate/compare as respostas de até dois modelos básicos diferentes. Para iniciar um trabalho, é necessário pelo menos um modelo de base do Amazon Bedrock. Para saber mais sobre como acessar os modelos de base do Amazon Bedrock, consulte [Solicitar acesso aos modelos](model-access.md).
1. Para criar um trabalho de avaliação de modelo usando trabalhadores humanos, você precisa acessar o [https://console.aws.amazon.com/bedrock/](https://console.aws.amazon.com/bedrock/) AWS Command Line Interface, ou um AWS SDK compatível. Para saber mais sobre os recursos e ações necessários do IAM, consulte [Permissões do console necessárias para criar um trabalho de avaliação de modelo realizado por humanos](#more-for-human).
1. Quando o trabalho de avaliação de modelo é iniciado, é usado um perfil de serviço para executar ações em seu nome. Para saber mais sobre as ações necessárias do IAM e os requisitos de política de confiança, consulte [Requisitos do perfil de serviço para trabalhos automáticos de avaliação de modelo](automatic-service-roles.md).
1. É necessário um conjunto de dados de prompts para iniciar o trabalho de avaliação de modelo, que deve ser armazenado em um bucket do Amazon S3. Para saber mais sobre os requisitos de um conjunto de dados de prompts, consulte [Criar um conjunto de dados de prompts personalizado em trabalhos de avaliação de modelo que utilizam trabalhadores humanos](model-evaluation-prompt-datasets-custom-human.md).
1. Os avaliadores humanos são gerenciados como uma equipe de trabalho. É possível criar uma equipe de trabalho gerenciada pelo Amazon Cognito usando o console do Amazon Bedrock. Para saber mais sobre como gerenciar sua força de trabalho, consulte [Gerenciar uma equipe de trabalho de avaliações humanas de modelos no Amazon Bedrock](human-worker-evaluations.md).
## Permissões do console necessárias para criar um trabalho de avaliação de modelo realizado por humanos
Para criar um trabalho de avaliação de modelo que utiliza trabalhadores humanos usando o console do Amazon Bedrock, é necessário adicionar outras permissões ao seu usuário, grupo ou perfil.
A política a seguir contém o conjunto mínimo de ações e recursos do IAM no Amazon Bedrock, Amazon SageMaker AI, Amazon Cognito e Amazon S3 que são necessários para criar um trabalho de avaliação de modelo baseado em humanos usando o console Amazon Bedrock.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Sid": "AllowPassingConsoleCreatedServiceRoles",
"Effect": "Allow",
"Action": [
"iam:PassRole"
],
"Resource": [
"arn:aws:iam::111122223333:role/service-role/Amazon-Bedrock-IAM-Role-*"
],
"Condition": {
"StringEquals": {
"iam:PassedToService": "bedrock.amazonaws.com"
}
}
},
{
"Sid": "BedrockConsole",
"Effect": "Allow",
"Action": [
"bedrock:CreateEvaluationJob",
"bedrock:GetEvaluationJob",
"bedrock:ListEvaluationJobs",
"bedrock:StopEvaluationJob",
"bedrock:GetCustomModel",
"bedrock:ListCustomModels",
"bedrock:CreateProvisionedModelThroughput",
"bedrock:UpdateProvisionedModelThroughput",
"bedrock:GetProvisionedModelThroughput",
"bedrock:ListProvisionedModelThroughputs",
"bedrock:GetImportedModel",
"bedrock:ListImportedModels",
"bedrock:ListTagsForResource",
"bedrock:UntagResource",
"bedrock:TagResource"
],
"Resource": [
"arn:aws:bedrock:us-west-2::foundation-model/model-id-of-foundational-model",
"arn:aws:bedrock:us-west-2:111122223333:inference-profile/*",
"arn:aws:bedrock:us-west-2:111122223333:provisioned-model/*",
"arn:aws:bedrock:us-west-2:111122223333:imported-model/*"
]
},
{
"Sid": "AllowCognitionActionsForWorkTeamCreations",
"Effect": "Allow",
"Action": [
"cognito-idp:CreateUserPool",
"cognito-idp:CreateUserPoolClient",
"cognito-idp:CreateGroup",
"cognito-idp:AdminCreateUser",
"cognito-idp:AdminAddUserToGroup",
"cognito-idp:CreateUserPoolDomain",
"cognito-idp:UpdateUserPool",
"cognito-idp:ListUsersInGroup",
"cognito-idp:ListUsers",
"cognito-idp:AdminRemoveUserFromGroup"
],
"Resource": "*"
},
{
"Sid": "AllowModelEvaluationResourceCreation",
"Effect": "Allow",
"Action": [
"sagemaker:CreateFlowDefinition",
"sagemaker:CreateWorkforce",
"sagemaker:CreateWorkteam",
"sagemaker:DescribeFlowDefinition",
"sagemaker:DescribeHumanLoop",
"sagemaker:ListFlowDefinitions",
"sagemaker:ListHumanLoops",
"sagemaker:DescribeWorkforce",
"sagemaker:DescribeWorkteam",
"sagemaker:ListWorkteams",
"sagemaker:ListWorkforces",
"sagemaker:DeleteFlowDefinition",
"sagemaker:DeleteHumanLoop",
"sagemaker:RenderUiTemplate",
"sagemaker:StartHumanLoop",
"sagemaker:StopHumanLoop"
],
"Resource": "*"
},
{
"Sid": "AllowConsoleS3AccessForModelEvaluation",
"Effect": "Allow",
"Action": [
"s3:GetObject",
"s3:GetBucketCORS",
"s3:ListBucket",
"s3:ListBucketVersions",
"s3:GetBucketLocation"
],
"Resource": [
"arn:aws:s3:::my_output_bucket",
"arn:aws:s3:::input_datasets/prompts.jsonl"
]
}
]
}
```
------