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.
Überwachte Optimierung (SFT)
Der SFT-Trainingsprozess besteht aus zwei Hauptphasen:
-
Datenvorbereitung: Folgen Sie den festgelegten Richtlinien, um Datensätze zu erstellen, zu bereinigen oder neu zu formatieren, sodass sie die erforderliche Struktur erhalten. Stellen Sie sicher, dass Eingaben, Ausgaben und Zusatzinformationen (wie Argumentationsspuren oder Metadaten) richtig aufeinander abgestimmt und formatiert sind.
-
Trainingskonfiguration: Definieren Sie, wie das Modell trainiert werden soll. Bei der Verwendung wird diese Konfiguration in eine YAML-Rezeptdatei geschrieben, die Folgendes beinhaltet:
-
Datenquellenpfade (Trainings- und Validierungsdatensätze)
-
Wichtige Hyperparameter (Epochen, Lernrate, Batchgröße)
-
Optionale Komponenten (verteilte Trainingsparameter usw.)
-
Vergleich und Auswahl von Nova-Modellen
Amazon Nova 2.0 ist ein Modell, das auf einem größeren und vielfältigeren Datensatz als Amazon Nova 1.0 trainiert wurde. Zu den Verbesserungen gehören:
-
Verbesserte Argumentationsfähigkeiten mit Unterstützung für den Modus „Explizites Denken“
-
Umfassendere mehrsprachige Leistung in weiteren Sprachen
-
Verbesserte Leistung bei komplexen Aufgaben, einschließlich Codierung und Verwendung von Tools
-
Erweiterte Kontexthandhabung mit besserer Genauigkeit und Stabilität bei längeren Kontextlängen
Wann sollte Nova 1.0 im Vergleich zu Nova 2.0 verwendet werden
Wählen Sie Amazon Nova 1.0, wenn:
-
Der Anwendungsfall erfordert Standardsprachenkenntnisse ohne fortgeschrittene Argumentation
-
Die Leistung wurde bereits auf Amazon Nova 1.0 validiert und zusätzliche Funktionen sind nicht erforderlich
