使用 Amazon Bedrock 完成你的问答需求

人工智能
亚马逊云科技
re:Invent
大语言模型
0
0
## Amazon Bedrock 简介 [Amazon Bedrock](https://aws.amazon.com/cn/bedrock/?trk=cndc-detail) 是使用 LLM 构建和扩展生成式人工智能应用程序的最简单方法。[Amazon Bedrock](https://aws.amazon.com/cn/bedrock/?trk=cndc-detail) 是一项完全托管的服务,可通过 API 提供来自 Amazon 和领先 AI 初创企业的 LLM,因此您可以从各种 LLM 中进行选择,找到最适合您的应用场景的模型。 ## 模型列表 [Amazon Bedrock](https://aws.amazon.com/cn/bedrock/?trk=cndc-detail) 是一项完全托管的服务,可通过 API 提供来自领先 AI 初创公司和亚马逊云科技的 FM,因此您可以从各种 FM 中进行选择,找到最适合您的使用案例的模型。 ![image.png](https://dev-media.amazoncloud.cn/18ce305bc9c34bd2845c029aa3ee13e7_image.png "image.png") * AI21 Labs 的 Jurassic 系列模型 Jurassic-2 Ultra 是 AI21 最强大的模型,适用于需要高级文本生成和理解的复杂任务。 流行的用例包括问答、摘要、长格式副本生成、高级信息提取等。 Jurassic-2 Mid 的功能不如 Ultra 强大,但经过精心设计,可在卓越品质和经济实惠之间取得适当的平衡。 Jurassic-2 Mid 可应用于任何语言理解或生成任务,包括问答、摘要、长格式副本生成、高级信息提取等。 ![image.png](https://dev-media.amazoncloud.cn/22a67c8f8f034cb9ad3ee4b76ddcc4e6_image.png "image.png") * 亚马逊云科技的 Titan 系列模型 Amazon Titan Foundation 模型经过大型数据集的预训练,使其成为强大的通用模型。 按原样使用它们,或者通过使用您自己的数据针对特定任务微调模型来自定义它们,而无需注释大量数据。 ![image.png](https://dev-media.amazoncloud.cn/a9893e717faf4b298b90d20b543c4fc5_image.png "image.png") Titan 模型分为三种类型:嵌入、文本生成和图像生成。 * Titan Embeddings G1 – 文本模型将文本输入(单词、短语或可能的大型文本单元)转换为包含文本语义的数字表示(称为嵌入)。 虽然该法学硕士不会生成文本,但它对于个性化和搜索等应用程序很有用。 通过比较嵌入,该模型将产生比单词匹配更相关和上下文的响应。 新的 Titan Multimodal Embeddings G1 模型适用于通过文本搜索图像、通过图像相似性或通过文本和图像的组合搜索图像等用例。 它将输入图像或文本转换为嵌入,该嵌入在同一语义空间中包含图像和文本的语义。 * Titan Text 模型是生成式 LLM,适用于摘要、文本生成(例如,创建博客文章)、分类、开放式问答和信息提取等任务。 他们还接受过许多不同编程语言以及表格、JSON 和 csv 等富文本格式的培训。 * Titan Image Generator G1 是一种生成基础模型,可从自然语言文本生成图像。 该模型还可用于编辑或生成现有或生成的图像的变体。 为了继续支持负责任地使用人工智能的最佳实践,泰坦基金会模型旨在检测和删除数据中的有害内容,拒绝用户输入中的不当内容,并过滤包含不当内容(例如仇恨言论)的模型输出 、亵渎和暴力)。 Titan Image FM 为所有生成的图像添加了隐形水印。 未来将提供水印检测 API,通过检查是否存在水印来帮助您确认图像是否是使用 Titan 模型生成的。 ![image.png](https://dev-media.amazoncloud.cn/87525f25bd8a4748947b453f485b0c95_image.png "image.png") * Meta 的 Llama 系列模型 Llama 是一系列大型语言模型,使用公开数据进行训练。 这些模型基于变压器架构,使其能够处理任意长度的输入序列并生成可变长度的输出序列。 Llama 模型的关键特征之一是它能够生成连贯且上下文相关的文本。 这是通过使用注意力机制来实现的,该机制允许模型在生成输出时关注输入序列的不同部分。 此外,Llama 模型使用一种称为“掩码语言建模”的技术在大型文本语料库上对模型进行预训练,这有助于它学习预测句子中缺失的单词。 Llama 模型已被证明在各种自然语言处理任务上表现良好,包括语言翻译、问答和文本摘要,并且还能够生成类似人类的文本,这使得 Llama 模型成为创意写作和其他应用程序的有用工具。 自然语言生成很重要。 总的来说,Llama 模型是强大且多功能的语言模型,可用于广泛的自然语言处理任务。 该模型能够生成连贯且上下文相关的文本,这使得它对于聊天机器人、虚拟助手和语言翻译等应用程序特别有用。 不过模型支持的最大输入长度为4096,支持语言英文效果最好。 * Stability AI 的 SDXL 系列模型 SDXL 比其前身 Stable Diffusion 2.1 生成更详细的图像和构图,代表了 Stability 图像生成模型系列向前迈出的重要一步。 SDXL 还具有超越文本到图像提示的功能,包括图像到图像提示(输入一张图像以获取该图像的变体)、修复(重建图像的缺失部分)和修复(构建无缝扩展) 现有图像)。 ## 构建属于自己的问答应用 ### 注册 Bedrock 使用 Bedrock 只需要完成亚马逊云科技注册即可,然后打开下面链接,可以进入 Bedrock 主页 > [https://us-east-1.console.aws.amazon.com/bedrock?trk=cndc-detail](https://link.segmentfault.com/?enc=XWlM60JNwPHw1ihOz1Kbhg%3D%3D.ZKpL8co8jESbigrjxA4lGDbl4Andzm6gBPA2sO4gSWEiKeLAXrlOOgP8%2FBWQjN5gRJh0iYHa5IRtglrOGj3A8Q%3D%3D) ![image.png](https://dev-media.amazoncloud.cn/37559d4c099f416490d22a6a1c2013b8_image.png "image.png") ### 获取模型权限 ![image.png](https://dev-media.amazoncloud.cn/8cda3a0c5b974cdc8cff7289f83f6321_image.png "image.png") 点击左侧导航的 Overview 标签,然后可以看到右侧的 Spotlight 板块,点击`Request model access`按钮 ![image.png](https://dev-media.amazoncloud.cn/f609562f49b44066806b3210d06c37ed_image.png "image.png") 在这个下面可以选择自己想使用的模型,有的模型需要填写个人呢资料以及使用背景。 ### 体验 Demo 官方提供了33个生成式应用的 Demo, ![image.png](https://dev-media.amazoncloud.cn/7ecceafddb514bbc895f84a728804131_image.png "image.png") 我们可以直接点击`Open in Playground`,进入对话应用,下面是讲一个会议记录转换为会议纪要的例子: ![image.png](https://dev-media.amazoncloud.cn/4e6e7e94938b49faa2350ca9bb97a83f_image.png "image.png") ### 构建自己的对话应用 在浏览模型列表之后,发现部分可以支持中文的,下面我们可以构建自己的中英对话应用,以及对比不同模型的效果。 ``` 根据主题撰写内容翔实、有信服力的论文。 我希望你能作为一名学者行事。你将负责研究一个你选择的主题,并将研究结果以论文或文章的形式呈现出来。你的任务是确定可靠的来源,以结构良好的方式组织材料,并以引用的方式准确记录。我的第一个建议要求是 '论文主题' ``` ![image.png](https://dev-media.amazoncloud.cn/a0a6da4f453c453a97ba4d046745a21c_image.png "image.png") 右侧我们可以修改模型超参数,我们可以看到在调整模型输出最大长度之后,模型效果变化很大 ![image.png](https://dev-media.amazoncloud.cn/d016f6b332424df3b2cfe29b94915495_image.png "image.png") ### 不同模型对比 ``` Write a highly detailed essay in Chinese with introduction, body, and conclusion paragraphs responding to the following: [问题] ``` ![image.png](https://dev-media.amazoncloud.cn/f53417b4f8d04d1ca64a724677b8f55f_image.png "image.png") > 本文参与了[「构」向云端 | 亚马逊云科技 x 思否 2023 re:Invent 构建者征文大赛](https://segmentfault.com/a/1190000044413526?trk=cndc-detail),欢迎正在阅读的你也加入。 > 授权声明:本篇文章授权活动官方亚马逊云科技文章转发、改写权,包括不限于在 Developer Centre,知乎,自媒体平台,第三方开发者媒体等亚马逊云科技官方渠道
目录
亚马逊云科技解决方案 基于行业客户应用场景及技术领域的解决方案
联系亚马逊云科技专家
亚马逊云科技解决方案
基于行业客户应用场景及技术领域的解决方案
联系专家
0
目录
关闭