本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 使用強化微調來微調 Amazon Nova 模型
<a name="rft-nova-models"></a>

在微調之前，請確保您有先決條件，因為 Amazon Bedrock 需要特定許可來建立和管理微調程序。如需完整的安全性和許可資訊，請參閱 [Amazon Nova 模型的存取和安全性](rft-access-security.md)。

以 5 個步驟對 Amazon Nova 模型執行強化微調：

1. **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](rft-prepare-data.md)。

1. **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](reward-functions.md)。

1. **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](rft-submit-job.md)。

1. **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](rft-submit-job.md#rft-monitor-job)。

1. **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](model-customization-use.md)。在**遊樂場中使用測試**來評估和比較回應與基礎模型。

**重要**  
您可以向 Amazon Bedrock 提供最多 20K個提示，以微調模型。

## 支援的 Nova 模型
<a name="rft-nova-supported-models"></a>

下表顯示您可以使用強化微調來自訂的 Amazon Nova 模型：

**注意**  
如需其他支援模型的資訊，包括開放權重模型，請參閱 [使用 OpenAI相容的 APIs 微調開放權重模型](fine-tuning-openai-apis.md)。


**支援強化微調的模型**  

| 供應商 | 模型 | 模型 ID | 單一區域模型支援 | 
| --- | --- | --- | --- | 
| Amazon | Nova 2 Lite | amazon.nova-2-lite-v1：0：256k | us-east-1 |