강화 미세 조정으로 Amazon Nova 모델 미세 조정

훈련 데이터 세트 제공 - 훈련 데이터 세트를 강화 미세 조정하기 위해 필요한 형식(예: JSONL)의 프롬프트를 업로드합니다. 자세한 내용은 Amazon Nova 모델에 대한 데이터 준비 단원을 참조하십시오.

보상 함수 구성(grader) - 정확성, 구조, 어조 또는 기타 목표에 따라 모델 응답을 채점하도록 grader를 정의합니다. 보상 함수는 Lambda를 사용하여 실행하여 목표 점수를 계산할 수 있습니다. 또한 사용자가 구성한 기준과 원칙에 따라 모델을 판사로 선택하고(콘솔을 통해) 응답을 등급을 매길 수 있습니다(콘솔은 이를 Lambda 함수로 자동 변환). 자세한 내용은 Amazon Nova 모델에 대한 보상 함수 설정 단원을 참조하십시오.

강화 미세 조정 작업 제출 - 기본 모델, 데이터 세트, 보상 함수 및 하이퍼파라미터와 같은 기타 선택적 설정을 지정하여 강화 미세 조정 작업을 시작합니다. 자세한 내용은 Amazon Nova 모델에 대한 미세 조정 작업 생성 및 관리 단원을 참조하십시오.

훈련 모니터링 - 완료 시까지 작업 상태, 보상 지표 및 훈련 진행 상황을 추적합니다. 자세한 내용은 RFT 훈련 작업 모니터링 단원을 참조하십시오.

미세 조정된 모델 사용 - 작업 완료 후 온디맨드 추론을 위해 클릭 한 번으로 결과 RFT 모델을 배포합니다. 일관된 성능이 필요한 미션 크리티컬 워크로드에도 프로비저닝된 처리량을 사용할 수 있습니다. 사용자 지정 모델의 추론 설정을(를) 참조하세요. 플레이그라운드에서 테스트를 사용하여 응답을 평가하고 기본 모델과 비교합니다.