Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Acceso y seguridad para modelos de peso abierto
<a name="rft-open-weight-access-security"></a>

Antes de comenzar con el ajuste preciso de refuerzos (RFT), asegúrese de entender qué tipo de acceso necesita Amazon Bedrock para sus operaciones. RFT-specific RFT requiere permisos adicionales además de los ajustes estándar debido a sus capacidades de ejecución de funciones de recompensa.

## Requisitos previos
<a name="fine-tuning-openai-prereq"></a>

Antes de utilizar las API de ajuste precisas OpenAI compatibles con Amazon Bedrock, asegúrese de disponer de lo siguiente:

1. Una AWS cuenta con los permisos adecuados para acceder a Amazon Bedrock

1. **Autenticación**: puede autenticarse mediante:
   + Clave de API de Amazon Bedrock (necesaria para el OpenAI SDK y disponible para las solicitudes HTTP)
   + AWS credenciales (compatibles con las solicitudes HTTP)
**nota**  
Si utiliza claves de API a corto term/long plazo de Amazon Bedrock, asegúrese de que su función tenga acceso a los siguientes permisos de política de IAM: y. `AmazonBedrockMantleFullAccess` [Permisos Lambda para funciones de recompensa](#openai-fine-tuning-lambda-permissions)

1. **OpenAISDK (opcional)**: instala el SDK de OpenAI Python si utilizas SDK-based solicitudes.

1. **Variables de entorno**: establece las siguientes variables de entorno:
   + `OPENAI_API_KEY`— Configúrelo en su clave de API de Amazon Bedrock
   + `OPENAI_BASE_URL`— Configúrelo en el punto final de Amazon Bedrock de su región (por ejemplo,`https://bedrock-mantle.us-west-2.api.aws/v1`)

   Para obtener más información, consulte [API de respuestas](bedrock-mantle.md#bedrock-mantle-responses).

1. **Los datos de entrenamiento** se formatearon como archivos JSONL con este propósito. `fine-tune` Para obtener más información, consulte [Prepare los datos para los modelos de peso abierto](rft-prepare-data-open-weight.md).

## Permisos Lambda para funciones de recompensa
<a name="openai-fine-tuning-lambda-permissions"></a>

Debe añadir permisos de invocación a Lambda. A continuación, se muestra un ejemplo de política que puede utilizar:

```
{
    "Version": "2012-10-17",		 	 	 
    "Statement": [
        {
            "Effect": "Allow",
            "Action": [
                "lambda:InvokeFunction"
            ],
            "Resource": [
                "arn:aws:lambda:*:*:function:{{reward-function-name}}"
            ]
        }
    ]
}
```

También puede utilizar modelos alojados en Amazon Bedrock como jueces para configurar las funciones de recompensa. Deberá añadir permisos específicos para invocar modelos básicos a la función de ejecución de Lambda. En su rol de lambda, puede configurar estas políticas administradas para las LLM a efectos de calificación. Consulte [AmazonBedrockLimitedAccess](https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AmazonBedrockLimitedAccess.html).

El siguiente es un ejemplo de cómo invocar los modelos básicos de Amazon Bedrock como juez mediante la API Invoke:

```
{
    "Version": "2012-10-17",		 	 	 
    "Statement": [
        {
            "Effect": "Allow",
            "Action": [
                "bedrock:InvokeModel"
            ],
            "Resource": [
                "arn:aws:bedrock:*:*:foundation-model/*"
            ]
        }
    ]
}
```