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 Modelli Amazon Nova con ottimizzazione del rinforzo
<a name="rft-nova-models"></a>

Prima dell'ottimizzazione, assicurati di disporre dei prerequisiti, poiché Amazon Bedrock necessita di autorizzazioni specifiche per creare e gestire il processo di ottimizzazione. Per informazioni complete [Accesso e sicurezza per i modelli Amazon Nova](rft-access-security.md) su sicurezza e autorizzazioni, consulta.

Esegui la messa a punto del rinforzo per i modelli Amazon Nova in 5 passaggi:

1. **Fornisci un set di dati di formazione**: carica i prompt nel formato richiesto (ad esempio, JSONL) come set di dati di addestramento per la ottimizzazione del rinforzo. Per ulteriori informazioni, consulta [Prepara i dati per i modelli Amazon Nova](rft-prepare-data.md).

1. **Configura la funzione di ricompensa (classificatore)**: definisci un classificatore per assegnare un punteggio alle risposte del modello in base a correttezza, struttura, tono o altri obiettivi. La funzione di ricompensa può essere eseguita utilizzando Lambda per calcolare i punteggi degli obiettivi. Puoi anche scegliere un modello come giudice (tramite console) e valutare le risposte in base a criteri e principi che configuri (la console li converte automaticamente in funzioni Lambda). Per ulteriori informazioni, consulta [Configurazione delle funzioni di ricompensa per i modelli Amazon Nova](reward-functions.md).

1. **Invia un lavoro di ottimizzazione delle armature**: avvia il processo di ottimizzazione delle armature specificando il modello base, il set di dati, la funzione di ricompensa e altre impostazioni opzionali come gli iperparametri. Per ulteriori informazioni, consulta [Crea e gestisci lavori di ottimizzazione per i modelli Amazon Nova](rft-submit-job.md).

1. **Monitora la formazione**: monitora lo stato del lavoro, le metriche relative alle ricompense e i progressi della formazione fino al completamento. Per ulteriori informazioni, consulta [Monitora il tuo lavoro di formazione su RFT](rft-submit-job.md#rft-monitor-job).

1. ** Fine-Tuned Modello di utilizzo**: dopo il completamento del lavoro, implementa il modello RFT risultante con un clic per un'inferenza su richiesta. Puoi anche utilizzare Provisioned Throughput per carichi di lavoro cruciali che richiedono prestazioni costanti. Per informazioni, consulta [Impostazione dell’inferenza per un modello personalizzato](model-customization-use.md). Usa ** Test in Playground per ** valutare e confrontare le risposte con il modello base.

**Importante**  
Puoi fornire un massimo di 20.000 prompt ad Amazon Bedrock per rinforzare e perfezionare il modello.

## Modelli Nova supportati
<a name="rft-nova-supported-models"></a>

La tabella seguente mostra i modelli Amazon Nova che puoi personalizzare con la regolazione fine del rinforzo:

**Nota**  
Per informazioni sui modelli aggiuntivi supportati, inclusi i modelli a peso aperto, consulta. [Fine-tune modelli a peso aperto che utilizzano OpenAI-API compatibili](fine-tuning-openai-apis.md)


**Modelli supportati per la messa a punto delle armature**  

| Provider | Modello | ID modello | Single-region supporto del modello | 
| --- | --- | --- | --- | 
| Amazon | Nova 2 Lite | amazon.nova-2-lite-v 1:0:256k | us-east-1 |