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 Aufträgen zur automatischen Modellevaluierung unterstützen die Verwendung öffentlich verfügbarer JumpStart Modelle und JumpStart Modelle, die Sie zuvor auf einem Endpunkt bereitgestellt haben. Wenn Sie eine Ressource verwenden JumpStart , die *noch nicht* bereitgestellt wurde, SageMaker übernimmt KI die Erstellung der erforderlichen Ressource und das Herunterfahren der Ressourcen, sobald die Modellevaluierung abgeschlossen ist. 

Um textbasierte LLMs von einem anderen AWS Dienst oder ein Modell zu verwenden, das außerhalb von gehostet wird 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 Bibliothek `fmeval`, um eine automatische Evaluierung durchzuführen](clarify-foundation-model-evaluate-auto-lib.md)
+ [Ergebnisse der Modellbewertung](clarify-foundation-model-reports.md)