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.

# Fine-tune Amazon Nova-Modelle mit Verstärkungsfeinabstimmung
<a name="rft-nova-models"></a>

Stellen Sie vor der Feinabstimmung sicher, dass Sie über die Voraussetzungen verfügen, da Amazon Bedrock spezielle Berechtigungen benötigt, um den Feinabstimmungsprozess zu erstellen und zu verwalten. Umfassende Informationen zu Sicherheit und Berechtigungen finden Sie unter. [Zugriff und Sicherheit für Amazon Nova-Modelle](rft-access-security.md)

Führen Sie die Feinabstimmung der Verstärkung für Amazon Nova-Modelle in 5 Schritten durch:

1. **Trainingsdatensatz bereitstellen ** — Laden Sie die Eingabeaufforderungen im erforderlichen Format (z. B. JSONL) als Datensatz für das Training zur Feinabstimmung der Verstärkung hoch. Weitere Informationen finden Sie unter [Daten für Amazon Nova-Modelle vorbereiten](rft-prepare-data.md).

1. **Belohnungsfunktion konfigurieren (Grader) ** — Definieren Sie einen Grader, um die Antworten der Modelle anhand von Richtigkeit, Struktur, Tonfall oder anderen Zielen zu bewerten. Die Belohnungsfunktion kann mithilfe von Lambda ausgeführt werden, um die Zielwerte zu berechnen. Sie können auch ein Modell als Richter (über die Konsole) auswählen und die Antworten anhand der von Ihnen konfigurierten Kriterien und Prinzipien bewerten (die Konsole wandelt diese automatisch in Lambda-Funktionen um). Weitere Informationen finden Sie unter [Belohnungsfunktionen für Amazon Nova-Modelle einrichten](reward-functions.md).

1. **Auftrag zur Feinabstimmung der Verstärkung einreichen ** — Starten Sie den Auftrag zur Feinabstimmung der Verstärkung, indem Sie das Basismodell, den Datensatz, die Belohnungsfunktion und andere optionale Einstellungen wie Hyperparameter angeben. Weitere Informationen finden Sie unter [Feinabstimmungsaufträge für Amazon Nova-Modelle erstellen und verwalten](rft-submit-job.md).

1. **Schulung überwachen ** — Verfolgen Sie den Auftragsstatus, die Belohnungskennzahlen und den Trainingsfortschritt bis zum Abschluss. Weitere Informationen finden Sie unter [Überwachen Sie Ihren RFT-Trainingsjob](rft-submit-job.md#rft-monitor-job).

1. ** Fine-Tuned Modell verwenden ** — Stellen Sie das resultierende RFT-Modell nach Abschluss des Auftrags mit einem Klick bereit, um auf Abruf abfragen zu können. Sie können Provisioned Throughput auch für unternehmenskritische Workloads verwenden, die eine konsistente Leistung erfordern. Siehe [Einrichten von Inferenz für ein benutzerdefiniertes Modell](model-customization-use.md). Verwenden Sie ** Test in Playground**, um die Antworten auszuwerten und mit dem Basismodell zu vergleichen.

**Wichtig**  
Sie können Amazon Bedrock maximal 20.000 Aufforderungen zur Verstärkung und Feinabstimmung des Modells senden.

## Unterstützte Nova-Modelle
<a name="rft-nova-supported-models"></a>

Die folgende Tabelle zeigt die Amazon Nova-Modelle, die Sie durch Feinabstimmung der Verstärkung anpassen können:

**Anmerkung**  
Informationen zu weiteren unterstützten Modellen, einschließlich Modellen mit offenem Gewicht, finden Sie unter. [Fine-tune Modelle mit offenem Gewicht unter Verwendung OpenAI-kompatible APIs](fine-tuning-openai-apis.md)


**Unterstützte Modelle für die Feinabstimmung der Verstärkung**  

| Anbieter | Modell | Modell-ID | Single-region Modellunterstützung | 
| --- | --- | --- | --- | 
| Amazon | Nova 2 Lite | amazon.nova-2-lite-v 1:0:256 k | us-east-1 |