# Ajuste fino supervisionado (SFT)
<a name="nova-fine-tune"></a>

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
<a name="nova-model-comparison"></a>

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
<a name="nova-model-selection"></a>

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