监督式微调（SFT） - Amazon Nova
Nova 模型对比与选型何时选用 Nova 1.0 与 Nova 2.0

监督式微调（SFT）

SFT 训练流程主要包含两个阶段：

  • 数据准备：遵循既定指南，创建、清理或重新格式化数据集，使其符合所需结构。确保输入、输出和辅助信息（例如推理轨迹或元数据）正确对齐和格式化。

  • 训练配置：定义模型的训练方式。使用时，此配置是在 YAML 配方文件中编写的，包括：

    • 数据来源路径（训练和验证数据集）

    • 关键超参数（epoch、学习率、批次大小）

    • 可选组件（分布式训练参数等）

Nova 模型对比与选型

Amazon Nova 2.0 模型的训练数据集比 Nova 1.0 模型规模更大、种类更丰富。重要改进包括：

  • 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

何时选用 Nova 1.0 与 Nova 2.0

满足以下条件时，建议选择 Amazon Nova 1.0：

  • 使用案例只需标准语言理解，无需高级推理能力

  • 模型效果已在 Amazon Nova 1.0 上验证通过，无需额外能力扩展