Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Fine-tune Model Amazon Nova dengan penyetelan penguatan
<a name="rft-nova-models"></a>

Sebelum menyempurnakan, pastikan Anda memiliki prasyarat karena Amazon Bedrock memerlukan izin khusus untuk membuat dan mengelola proses penyempurnaan. Untuk informasi keamanan dan izin yang komprehensif, lihat[Akses dan keamanan untuk model Amazon Nova](rft-access-security.md).

Jalankan penyempurnaan penguatan untuk model Amazon Nova dalam 5 langkah:

1. **Berikan Dataset Pel ** atihan — Unggah petunjuk dalam format yang diperlukan (misalnya, JSONL) sebagai kumpulan data pelatihan penyempurnaan penguatan. Untuk informasi selengkapnya, lihat [Siapkan data untuk model Amazon Nova](rft-prepare-data.md).

1. **Konfigurasikan Fungsi Hadiah (grader) ** - Tentukan penilaian untuk menilai respons model berdasarkan kebenaran, struktur, nada, atau tujuan lainnya. Fungsi hadiah dapat dieksekusi menggunakan Lambda untuk menghitung skor objektif. Anda juga dapat memilih model sebagai juri (melalui konsol) dan menilai tanggapan berdasarkan kriteria dan prinsip yang Anda konfigurasikan (konsol mengubahnya menjadi fungsi Lambda secara otomatis). Untuk informasi selengkapnya, lihat [Menyiapkan fungsi hadiah untuk model Amazon Nova](reward-functions.md).

1. **Kirim Pekerjaan penyempurnaan penguatan ** — Luncurkan pekerjaan penyempurnaan penguatan dengan menentukan model dasar, dataset, fungsi hadiah, dan pengaturan opsional lainnya seperti hyperparameter. Untuk informasi selengkapnya, lihat [Buat dan kelola pekerjaan fine-tuning untuk model Amazon Nova](rft-submit-job.md).

1. **Pantau Pelatihan ** — Lacak status pekerjaan, metrik hadiah, dan kemajuan pelatihan hingga selesai. Untuk informasi selengkapnya, lihat [Pantau pekerjaan pelatihan RFT Anda](rft-submit-job.md#rft-monitor-job).

1. **Gunakan Fine-Tuned Model ** — Setelah pekerjaan selesai, gunakan model RFT yang dihasilkan dengan satu klik untuk inferensi sesuai permintaan. Anda juga dapat menggunakan Provisioned Throughput untuk beban kerja kritis misi yang membutuhkan kinerja yang konsisten. Lihat [Siapkan inferensi untuk model khusus](model-customization-use.md). Gunakan ** Test in Playground ** untuk mengevaluasi dan membandingkan respons dengan model dasar.

**penting**  
Anda dapat memberikan maksimum 20K petunjuk ke Amazon Bedrock untuk menyempurnakan penguatan model.

## Model Nova yang didukung
<a name="rft-nova-supported-models"></a>

Tabel berikut menunjukkan model Amazon Nova yang dapat Anda sesuaikan dengan penyempurnaan penguatan:

**catatan**  
Untuk informasi tentang model tambahan yang didukung termasuk model bobot terbuka, lihat[Fine-tune model bobot terbuka menggunakan OpenAI-kompatibel API](fine-tuning-openai-apis.md).


**Model yang didukung untuk penyetelan penguatan**  

| Penyedia | Model | Model ID | Single-region dukungan model | 
| --- | --- | --- | --- | 
| Amazon | Nova 2 Lite | amazon.nova-2-lite-v 1:0:256k | us-east-1 |