Ajuste fino supervisionado (SFT)
O processo de treinamento do SFT consiste em duas etapas principais:
-
Preparação de dados: siga as diretrizes estabelecidas para criar, limpar ou reformatar conjuntos de dados na estrutura necessária. Certifique-se de que as entradas, saídas e informações auxiliares (como metadados e rastros de raciocínio) estejam alinhadas e formatadas adequadamente.
-
Configuração de treinamento: defina como o modelo será treinado. Essa configuração é gravada em um arquivo de fórmula YAML que inclui:
-
Caminhos da fonte de dados (conjuntos de dados de treinamento e validação)
-
Hiperparâmetros principais (épocas, taxa de aprendizado, tamanho do lote)
-
Componentes opcionais (parâmetros de treinamento distribuídos etc.)
-
Comparação e seleção de modelos Nova
O Amazon Nova 2.0 é um modelo treinado em um conjunto de dados maior e mais diversificado do que o Amazon Nova 1.0. Os principais aprimoramentos são:
-
Habilidades de raciocínio aprimoradas com suporte explícito ao modo de raciocínio
-
Performance multilíngue mais ampla em outros idiomas
-
Performance aprimorada em tarefas complexas, incluindo codificação e uso de ferramentas
-
Manipulação de contexto estendido com melhor precisão e estabilidade em textos de longa extensão
Quando usar o Nova 1.0 versus o Nova 2.0
Escolha o Amazon Nova 1.0 quando:
-
O caso de uso exigir compreensão da linguagem padrão sem raciocínio avançado
-
A performance já foi validada no Amazon Nova 1.0 e não são necessários recursos adicionais
