As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Fine-tune Modelos Amazon Nova com ajuste fino de reforço
<a name="rft-nova-models"></a>

Antes do ajuste fino, certifique-se de ter os pré-requisitos, pois o Amazon Bedrock precisa de permissões específicas para criar e gerenciar o processo de ajuste fino. Para obter informações abrangentes sobre segurança e permissões, consulte[Acesso e segurança para modelos Amazon Nova](rft-access-security.md).

Execute o ajuste fino do reforço para os modelos Amazon Nova em 5 etapas:

1. **Fornecer conjunto de dados de treinamento ** — Faça upload de solicitações no formato exigido (por exemplo, JSONL) como o conjunto de dados de treinamento de ajuste fino de reforço. Para obter mais informações, consulte [Prepare dados para os modelos Amazon Nova](rft-prepare-data.md).

1. **Configurar a função de recompensa (avaliador) ** — Defina um avaliador para pontuar as respostas do modelo com base na correção, estrutura, tom ou outros objetivos. A função de recompensa pode ser executada usando o Lambda para calcular pontuações objetivas. Você também pode escolher um modelo como juiz (via console) e avaliar as respostas com base nos critérios e princípios que você configura (o console os converte automaticamente em funções do Lambda). Para obter mais informações, consulte [Configurando funções de recompensa para modelos Amazon Nova](reward-functions.md).

1. **Enviar tarefa de ajuste fino de reforço ** — Inicie a tarefa de ajuste fino de reforço especificando o modelo básico, o conjunto de dados, a função de recompensa e outras configurações opcionais, como hiperparâmetros. Para obter mais informações, consulte [Crie e gerencie trabalhos de ajuste fino para modelos Amazon Nova](rft-submit-job.md).

1. **Monitore o treinamento ** — Acompanhe o status do trabalho, as métricas de recompensa e o progresso do treinamento até a conclusão. Para obter mais informações, consulte [Monitore seu trabalho de treinamento em RFT](rft-submit-job.md#rft-monitor-job).

1. ** Fine-Tuned Modelo de uso ** — Após a conclusão do trabalho, implante o modelo RFT resultante com um clique para inferência sob demanda. Você também pode usar a taxa de transferência provisionada para cargas de trabalho essenciais que exigem desempenho consistente. Consulte [Configurar a inferência para um modelo personalizado](model-customization-use.md). Use ** Test in Playground ** para avaliar e comparar as respostas com o modelo básico.

**Importante**  
Você pode fornecer no máximo 20.000 solicitações ao Amazon Bedrock para o ajuste fino de reforço do modelo.

## Modelos Nova suportados
<a name="rft-nova-supported-models"></a>

A tabela a seguir mostra os modelos Amazon Nova que você pode personalizar com o ajuste fino do reforço:

**nota**  
Para obter informações sobre outros modelos compatíveis, incluindo modelos de peso aberto, consulte[Fine-tune modelos de peso aberto usando OpenAI-APIs compatíveis](fine-tuning-openai-apis.md).


**Modelos compatíveis para ajuste fino de reforços**  

| Fornecedor | Modelo | ID do modelo | Single-region suporte de modelo | 
| --- | --- | --- | --- | 
| Amazon | Nova 2 Lite | amazon.nova-2-lite-v1:0:256k | us-east-1 |