Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Fine-tune Amazon Nova modelli con messa a punto supervisionata Amazon NovaI dati SFT 2.0 utilizzano lo stesso formato API Converse della versione Amazon Nova 1.0, con l'aggiunta di campi di contenuto facoltativi di ragionamento. Per le specifiche complete del formato, consulta lo [ReasoningContentBlock](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_ReasoningContentBlock.html)schema delle API di [Converse](https://docs.aws.amazon.com/bedrock/latest/userguide/conversation-inference-call.html). **Funzionalità supportate:** + **Tipi di input**: testo, immagine o video nei blocchi di contenuto dell'utente + **Contenuti dell'assistente**: Text-only risposte e contenuti di ragionamento + **Composizione del set** di dati: deve essere omogenea. Scegliete una delle seguenti opzioni: giri di solo testo, giri testo\+immagine o testo\+video **Importante** Non puoi mescolare immagini e video all'interno dello stesso set di dati o in turni diversi. **Limitazioni attuali:** + **Utilizzo degli strumenti**: sebbene l'utilizzo degli strumenti sia supportato nel formato di input, attualmente non è supportato da Amazon Nova 2.0 SFT. L'aggiunta di sezioni relative agli strumenti potrebbe causare il fallimento del lavoro. + Contenuto di **ragionamento multimodale: sebbene il formato Converse supporti contenuti** di ragionamento basati su immagini, questo non è supportato dalla SFT 2.0. Amazon Nova + **Set di convalida: la fornitura di un set** di convalida potrebbe essere supportata tramite l'interfaccia utente ma non durante la formazione SFT. **Formati multimediali supportati:** + **Immagini**: PNG, JPEG, GIF + **Video**: MOV, MKV, MP4 ## Esempi di formati di dati ------ #### [ Text-only ] Questo esempio mostra un formato base di solo testo compatibile con Amazon Nova 1.0. ``` { "schemaVersion": "bedrock-conversation-2024", "system": [ { "text": "You are a digital assistant with a friendly personality" } ], "messages": [ { "role": "user", "content": [ { "text": "What country is right next to Australia?" } ] }, { "role": "assistant", "content": [ { "text": "The closest country is New Zealand" } ] } ] } ``` ------ #### [ Text with reasoning ] Questo esempio mostra il testo con contenuti di ragionamento facoltativi per la versione 2.0. Amazon Nova ``` { "schemaVersion": "bedrock-conversation-2024", "system": [ { "text": "You are a digital assistant with a friendly personality" } ], "messages": [ { "role": "user", "content": [ { "text": "What country is right next to Australia?" } ] }, { "role": "assistant", "content": [ { "reasoningContent": { "reasoningText": { "text": "I need to use my world knowledge of geography to answer this question" } } }, { "text": "The closest country to Australia is New Zealand, located to the southeast across the Tasman Sea." } ] } ] } ``` **Nota** Attualmente, `reasoningText` è supportato solo all'interno`reasoningContent`. Il contenuto del ragionamento multimodale non è ancora disponibile. ------ #### [ Image \+ text ] Questo esempio mostra come includere l'input di immagini nel testo. ``` { "schemaVersion": "bedrock-conversation-2024", "system": [ { "text": "You are a helpful assistant." } ], "messages": [ { "role": "user", "content": [ { "image": { "format": "jpeg", "source": { "s3Location": { "uri": "s3://your-bucket/your-path/your-image.jpg", "bucketOwner": "your-aws-account-id" } } } }, { "text": "Which country is highlighted in the image?" } ] }, { "role": "assistant", "content": [ { "reasoningContent": { "reasoningText": { "text": "I will determine the highlighted country by examining its location on the map and using my geographical knowledge" } } }, { "text": "The highlighted country is New Zealand" } ] } ] } ``` ------ #### [ Video \+ text ] Questo esempio mostra come includere l'input video nel testo. ``` { "schemaVersion": "bedrock-conversation-2024", "system": [ { "text": "You are a helpful assistant." } ], "messages": [ { "role": "user", "content": [ { "video": { "format": "mp4", "source": { "s3Location": { "uri": "s3://your-bucket/your-path/your-video.mp4", "bucketOwner": "your-aws-account-id" } } } }, { "text": "What is shown in this video?" } ] }, { "role": "assistant", "content": [ { "reasoningContent": { "reasoningText": { "text": "I will analyze the video content to identify key elements" } } }, { "text": "The video shows a map with New Zealand highlighted" } ] } ] } ``` ------ ## Contenuto del ragionamento Il contenuto del ragionamento (chiamato anche catena di pensiero) cattura le fasi di pensiero intermedie del modello prima di generare una risposta finale. A `assistant` sua volta, usa il campo per includere queste tracce di ragionamento`reasoningContent`. **Come viene calcolata la perdita:** + **Con contenuto di ragionamento**: la perdita di formazione include sia i token di ragionamento che i token di output finale + **Senza contenuti di ragionamento**: la perdita di formazione viene calcolata solo sui token di output finali **Quando abilitare la modalità di ragionamento:** imposta `reasoning_enabled: true` nella configurazione di addestramento se desideri che il modello generi token di pensiero prima di produrre i risultati finali o se desideri migliorare le prestazioni in attività di ragionamento complesse. Imposta `reasoning_enabled: false` quando ti alleni su attività semplici che non traggono vantaggio da passaggi di ragionamento espliciti. **Nota** Puoi abilitare la modalità di ragionamento indipendentemente dal fatto che i dati di allenamento contengano contenuti di ragionamento. Tuttavia, si consiglia di includere tracce di ragionamento nei dati di allenamento in modo che il modello possa imparare da questi esempi e migliorare la qualità del ragionamento. **Linee guida per la formattazione:** + Usa testo semplice per ragionare i contenuti. + Evita i tag di markup come `` e `` a meno che non siano specificamente richiesti dalla tua attività. + Assicurati che il contenuto del ragionamento sia chiaro e pertinente al processo di risoluzione dei problemi. **Un contenuto di ragionamento efficace dovrebbe includere:** + Pensieri e analisi intermedi + Deduzioni logiche e fasi di inferenza + Step-by-step approcci per la risoluzione dei problemi + Connessioni esplicite tra fasi e conclusioni Se il tuo set di dati non contiene tracce di ragionamento, puoi crearle utilizzando un modello in grado di ragionare come Nova Premier. Fornisci le tue coppie di input-output al modello e acquisisci il relativo processo di ragionamento per creare un set di dati basato sul ragionamento. ## Linee guida per la preparazione dei dataset La tabella seguente fornisce linee guida per la preparazione del set di dati di allenamento. **Linee guida per la preparazione dei dataset** | Linea guida | Description | | --- | --- | | Dimensioni e qualità | [See the AWS documentation website for more details](http://docs.aws.amazon.com/it_it/bedrock/latest/userguide/nova-2-sft-data-prep.html) | | Diversità | Includi diversi esempi che eseguono le seguenti operazioni:[See the AWS documentation website for more details](http://docs.aws.amazon.com/it_it/bedrock/latest/userguide/nova-2-sft-data-prep.html) | | Formattazione dell'output | Specificate chiaramente il formato di output desiderato nelle risposte dell'assistente. Gli esempi includono strutture JSON, tabelle, formato CSV o formati personalizzati specifici dell'applicazione. | | Multi-turn conversazioni | [See the AWS documentation website for more details](http://docs.aws.amazon.com/it_it/bedrock/latest/userguide/nova-2-sft-data-prep.html) | | Lista di controllo della qualità | [See the AWS documentation website for more details](http://docs.aws.amazon.com/it_it/bedrock/latest/userguide/nova-2-sft-data-prep.html) |