使用強化微調來微調 Amazon Nova 模型

提供訓練資料集 – 上傳必要格式 （例如 JSONL) 的提示，做為強化微調訓練資料集。如需詳細資訊，請參閱準備 Amazon Nova 模型的資料。

設定獎勵函數 （分級器） – 定義分級器，根據正確性、結構、色調或其他目標對模型回應進行評分。您可以使用 Lambda 執行獎勵函數來計算目標分數。您也可以根據您設定的條件和原則，選擇模型做為判斷 （透過主控台） 和等級回應 （主控台會自動將這些模型轉換為 Lambda 函數）。如需詳細資訊，請參閱設定 Amazon Nova 模型的獎勵函數。

提交強化微調任務 – 透過指定基礎模型、資料集、獎勵函數和其他選用設定，例如超參數，來啟動強化微調任務。如需詳細資訊，請參閱建立和管理 Amazon Nova 模型的微調任務。

監控訓練 – 追蹤任務狀態、獎勵指標和訓練進度，直到完成為止。如需詳細資訊，請參閱監控 RFT 訓練任務。

使用微調模型 – 任務完成後，按一下即可部署產生的 RFT 模型以進行隨需推論。對於需要一致效能的任務關鍵工作負載，您也可以使用佈建輸送量。請參閱 為自訂模型設定推論。在遊樂場中使用測試來評估和比較回應與基礎模型。