Refinamiento supervisado (SFT)
El proceso de entrenamiento SFT consta de dos pasos principales:
-
Preparación de datos: siga las pautas establecidas para crear, limpiar o reformatear conjuntos de datos para adaptarlos a la estructura requerida. Asegúrese de que las entradas, las salidas y la información auxiliar (como las pistas de razonamiento o los metadatos) estén adaptadas y formateadas correctamente.
-
Configuración del entrenamiento: defina cómo se entrenará el modelo. Cuando se usa Amazon SageMaker HyperPod, esta configuración se escribe en un archivo de fórmulas YAML que incluye:
-
Rutas de orígenes de datos (conjuntos de datos de entrenamiento y validación)
-
Hiperparámetros clave (épocas, ritmo de aprendizaje, tamaño del lote)
-
Componentes opcionales (parámetros de entrenamiento distribuidos, etc.)
-
Comparación y selección de modelos de Nova
Amazon Nova 2.0 es un modelo entrenado en un conjunto de datos más amplio y diverso que Amazon Nova 1.0. Entre las características clave se incluyen las siguientes:
-
Capacidades de razonamiento mejoradas que admiten el modo de razonamiento explícito
-
Rendimiento multilingüe más amplio en varios otros idiomas
-
Rendimiento mejorado en tareas complejas, como la codificación y el uso de herramientas
-
Gestión ampliada del contexto con mayor precisión y estabilidad en contextos más largos
Cuándo usar Nova 1.0 en lugar de Nova 2.0
Elija Amazon Nova 1.0 en las siguientes situaciones:
-
El caso de uso requiere una comprensión del lenguaje estándar sin un razonamiento avanzado.
-
El rendimiento ya se ha validado en Amazon Nova 1.0 y no se necesitan capacidades adicionales.
