Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Accesso e sicurezza per modelli a peso aperto
<a name="rft-open-weight-access-security"></a>

Prima di iniziare il reinforcement fine-tuning (RFT), assicurati di comprendere il tipo di accesso di cui Amazon Bedrock ha bisogno per le operazioni. RFT-specific RFT richiede autorizzazioni aggiuntive oltre alla regolazione di precisione standard grazie alle sue funzionalità di esecuzione della funzione di ricompensa.

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

Prima di utilizzare le API di ottimizzazione OpenAI compatibili con Amazon Bedrock, assicurati di disporre di quanto segue:

1. Un AWS account con le autorizzazioni appropriate per accedere ad Amazon Bedrock

1. **Autenticazione**: puoi autenticarti utilizzando:
   + Chiave API Amazon Bedrock (richiesta per OpenAI SDK e disponibile per le richieste HTTP)
   + AWS credenziali (supportate per le richieste HTTP)
**Nota**  
Se utilizzi chiavi API a breve term/long termine di Amazon Bedrock, assicurati che il tuo ruolo abbia accesso alle seguenti autorizzazioni delle policy IAM: e. `AmazonBedrockMantleFullAccess` [Autorizzazioni Lambda per le funzioni di ricompensa](#openai-fine-tuning-lambda-permissions)

1. **OpenAISDK (opzionale)** — Installa l'SDK OpenAI Python se usi le richieste. SDK-based 

1. Variabili di **ambiente: imposta le seguenti variabili** di ambiente:
   + `OPENAI_API_KEY`— Imposta sulla tua chiave API Amazon Bedrock
   + `OPENAI_BASE_URL`— Impostato sull'endpoint Amazon Bedrock per la tua regione (ad esempio,) `https://bedrock-mantle.us-west-2.api.aws/v1`

   Per ulteriori informazioni, consulta [API di risposta](bedrock-mantle.md#bedrock-mantle-responses).

1. **Dati di addestramento** formattati come file JSONL con lo scopo. `fine-tune` Per ulteriori informazioni, consulta [Preparare i dati per modelli a peso aperto](rft-prepare-data-open-weight.md).

## Autorizzazioni Lambda per le funzioni di ricompensa
<a name="openai-fine-tuning-lambda-permissions"></a>

È necessario aggiungere le autorizzazioni di chiamata Lambda. Di seguito viene illustrato un esempio di policy che è possibile utilizzare:

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

Puoi anche utilizzare i modelli ospitati da Amazon Bedrock come giudici per configurare funzioni di ricompensa. Dovrai aggiungere autorizzazioni specifiche per richiamare i modelli di base al ruolo di esecuzione Lambda. Nel tuo ruolo lambda, puoi configurare queste politiche gestite per i LLM per la valutazione. Per informazioni, consulta [AmazonBedrockLimitedAccess](https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AmazonBedrockLimitedAccess.html).

Di seguito è riportato un esempio di come richiamare i modelli di Amazon Bedrock Foundation come arbitri utilizzando l'API Invoke:

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