监督式微调（SFT）
监督式微调（SFT）使用带标注的输入-输出对训练模型。模型从包含提示和响应的示范示例中学习，优化能力以适配特定任务、指令或预期行为。
何时使用 SFT
当您可以通过带标签的示例指定正确行为的形式时，可使用 SFT。SFT 非常适合以下情况：
-
您拥有高质量的输入输出对，可展示所需的行为
-
您希望向模型传授特定的响应格式、语气或风格
-
您的任务需要遵循特定领域的指令或工作流
-
您需要针对多模态任务（文本、图像、视频或工具调用）调整模型
支持的模型
SFT 适用于以下 Amazon Nova 模型：
-
Nova 1.0（Micro、Lite、Pro）
-
Nova 2.0（Lite）
何时选用 Nova 1.0 与 Nova 2.0
Amazon Nova 系列模型提供多种高性价比方案，助力在精准度、速度与成本之间实现最优平衡。
需要以下特性时，建议选择 Nova 2.0：
-
增强的推理能力，支持显式推理模式
-
更广泛的多语言性能，覆盖更多语种
-
在代码生成、工具调用等复杂任务上表现更优
-
扩展的上下文处理能力，在更长上下文中实现更高的准确性和稳定性
注意
模型并非越大越优。在 Nova 1.0 与 Nova 2.0 之间选型时，请综合考虑性价比与具体业务需求。
