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.
Fine-tuning supervisionato (SFT)
Il processo di formazione SFT è costituito da due fasi principali:
-
Preparazione dei dati: segui le linee guida stabilite per creare, pulire o riformattare i set di dati nella struttura richiesta. Assicurati che gli input, gli output e le informazioni ausiliarie (come tracce di ragionamento o metadati) siano allineati e formattati correttamente.
-
Configurazione del training: definisci come verrà addestrato il modello. Quando si utilizza SageMaker HyperPod, questa configurazione viene scritta in un file di ricette YAML che include:
-
Percorsi delle origini dati (set di dati di addestramento e convalida)
-
Iperparametri chiave (epoche, tasso di apprendimento, dimensione del batch)
-
Componenti opzionali (parametri di allenamento distribuiti, ecc.)
-
Confronto e selezione dei modelli Nova
Amazon Nova 2.0 è un modello addestrato su un set di dati più ampio e diversificato rispetto ad Amazon Nova 1.0. I miglioramenti includono:
-
Capacità di ragionamento avanzate con supporto della modalità di ragionamento esplicita
-
Prestazioni multilingue più ampie in altre lingue
-
Prestazioni migliorate in attività complesse, tra cui la codifica e l'uso degli strumenti
-
Gestione estesa del contesto con maggiore precisione e stabilità a lunghe lunghezze di contesto
Quando usare Nova 1.0 rispetto a Nova 2.0
Scegli Amazon Nova 1.0 quando:
-
Il caso d'uso richiede una comprensione del linguaggio standard senza ragionamenti avanzati
-
Le prestazioni sono già state convalidate su Amazon Nova 1.0 e non sono necessarie funzionalità aggiuntive
