Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Penyetelan halus yang diawasi (SFT)
Pengawasan fine tuning (SFT) melatih model menggunakan pasangan input-output berlabel. Model belajar dari contoh demonstrasi yang terdiri dari petunjuk dan tanggapan, menyempurnakan kemampuannya untuk menyelaraskan dengan tugas, instruksi, atau perilaku yang diinginkan tertentu.
Kapan menggunakan SFT
Gunakan SFT ketika Anda dapat menentukan seperti apa perilaku yang tepat melalui contoh berlabel. SFT sangat ideal ketika:
-
Anda memiliki pasangan input-output berkualitas tinggi yang menunjukkan perilaku yang diinginkan
-
Anda ingin mengajarkan model format respons, nada, atau gaya tertentu
-
Tugas Anda memerlukan instruksi atau alur kerja khusus domain berikut
-
Anda perlu menyesuaikan model untuk tugas multimodal (teks, gambar, video, atau panggilan alat)
Model yang didukung
SFT tersedia untuk model Amazon Nova berikut:
-
Nova 1.0 (Mikro, Lite, Pro)
-
Nova 2.0 (Lite)
Kapan menggunakan Nova 1.0 versus Nova 2.0
Keluarga model Amazon Nova menawarkan beberapa titik operasi harga-kinerja untuk mengoptimalkan antara akurasi, kecepatan, dan biaya.
Pilih Nova 2.0 saat Anda membutuhkan yang berikut:
-
Kemampuan penalaran yang ditingkatkan dengan dukungan mode penalaran eksplisit
-
Performa multibahasa yang lebih luas di seluruh bahasa tambahan
-
Peningkatan kinerja pada tugas-tugas kompleks termasuk pengkodean dan penggunaan alat
-
Penanganan konteks yang diperluas dengan akurasi dan stabilitas yang lebih baik pada panjang konteks yang lebih panjang
catatan
Model yang lebih besar tidak selalu lebih baik. Pertimbangkan pertukaran biaya-kinerja dan persyaratan bisnis spesifik Anda saat memilih antara model Nova 1.0 dan Nova 2.0.
