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。

# 監督式微調 (SFT)
<a name="nova-fine-tune"></a>

SFT 訓練程序包含兩個主要階段：
+ **資料準備**：遵循已建立的指導方針，將資料集建立、清除或重新格式化為所需的結構。確定輸入、輸出和輔助資訊 （例如推理追蹤或中繼資料） 已正確對齊並格式化。
+ **訓練組態**：定義模型的訓練方式。使用 時，此組態會寫入 YAML 配方檔案中，其中包含：
  + 資料來源路徑 （訓練和驗證資料集）
  + 金鑰超參數 (epoch、學習率、批次大小）
  + 選用元件 （分散式訓練參數等）

## Nova 模型比較和選擇
<a name="nova-model-comparison"></a>

Amazon Nova 2.0 是在比 Amazon Nova 1.0 更大且更多樣化的資料集上訓練的模型。主要改進包括：
+ 支援明確**推理模式的增強推理功能** 
+ 跨其他語言**的更廣泛多語言效能** 
+ **改善複雜任務的效能**，包括編碼和工具使用
+ 以更長的內容長度提供更高的準確性和穩定性的延伸內容**處理** 

## 何時使用 Nova 1.0 與 Nova 2.0
<a name="nova-model-selection"></a>

在下列情況下選擇 Amazon Nova 2.0：
+ 需要具有進階推理功能的卓越效能
+ 需要多語言支援或複雜的任務處理
+ 編碼、工具呼叫或分析任務需要更好的結果