Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Überwachte Optimierung (SFT)
Der SFT-Trainingsprozess besteht aus zwei Hauptphasen:
-
Datenvorbereitung: Folgen Sie den festgelegten Richtlinien, um Datensätze zu erstellen, zu bereinigen oder in der erforderlichen Struktur neu zu formatieren. Stellen Sie sicher, dass Eingaben, Ausgaben und Hilfsinformationen (wie Argumentationsspuren oder Metadaten) richtig aufeinander abgestimmt und formatiert sind.
-
Trainingskonfiguration: Definieren Sie, wie das Modell trainiert wird. Bei Verwendung SageMaker HyperPod wird diese Konfiguration in eine YAML-Rezeptdatei geschrieben, die Folgendes beinhaltet:
-
Datenquellenpfade (Trainings- und Validierungsdatensätze)
-
Wichtige Hyperparameter (Epochen, Lernrate, Batchgröße)
-
Optionale Komponenten (verteilte Trainingsparameter usw.)
-
Vergleich und Auswahl des Nova-Modells
Amazon Nova 2.0 ist ein Modell, das auf einem größeren und vielfältigeren Datensatz als Amazon Nova 1.0 trainiert wurde. Zu den Verbesserungen gehören:
-
Verbesserte Denkfähigkeiten mit Unterstützung des Modus „Explizites Denken“
-
Breitere mehrsprachige Leistung in weiteren Sprachen
-
Verbesserte Leistung bei komplexen Aufgaben wie Codierung und Werkzeugnutzung
-
Erweiterte Kontextverarbeitung mit besserer Genauigkeit und Stabilität bei längeren Kontextlängen
Wann sollte Nova 1.0 im Vergleich zu Nova 2.0 verwendet werden
Wählen Sie Amazon Nova 1.0, wenn:
-
Der Anwendungsfall erfordert ein Standardsprachverständnis ohne fortgeschrittene Argumentation
-
Die Leistung wurde bereits auf Amazon Nova 1.0 validiert und zusätzliche Funktionen sind nicht erforderlich
