本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# Fine-tune 带有增强微调功能的亚马逊 Nova 模型
<a name="rft-nova-models"></a>

在进行微调之前，请确保您具备先决条件，因为 Amazon Bedrock 需要特定的权限才能创建和管理微调流程。有关全面的安全和权限信息，请参阅[Amazon Nova 机型的访问和安全](rft-access-security.md)。

通过 5 个步骤对亚马逊 Nova 模型进行增强微调：

1. **提供训练数据集 ** — 以所需格式（例如 JSONL）上传提示作为强化微调训练数据集。有关更多信息，请参阅 [为亚马逊 Nova 模型准备数据](rft-prepare-data.md)。

1. **配置奖励函数（评分器）**-定义一个评分者，根据正确性、结构、语气或其他目标对模型答复进行评分。可以使用 Lambda 执行奖励函数来计算目标分数。您还可以选择模型作为判断（通过控制台），并根据您配置的标准和原则对响应进行评分（控制台会自动将其转换为 Lambda 函数）。有关更多信息，请参阅 [为亚马逊 Nova 模型设置奖励功能](reward-functions.md)。

1. **提交加固微调任务 **-通过指定基础模型、数据集、奖励函数和其他可选设置（例如超参数）来启动加固微调作业。有关更多信息，请参阅 [为 Amazon Nova 机型创建和管理微调任务](rft-submit-job.md)。

1. **监控培训 **-跟踪任务状态、奖励指标和培训进度，直至完成。有关更多信息，请参阅 [监控您的 RFT 训练作业](rft-submit-job.md#rft-monitor-job)。

1. **使用 Fine-Tuned 模型 ** — 任务完成后，一键部署生成的 RFT 模型进行按需推理。您还可以将预置吞吐量用于需要稳定性能的关键任务工作负载。请参阅[为自定义模型设置推理](model-customization-use.md)。使用 Playgroun ** d 中的**测试来评估响应并将其与基本模型进行比较。

**重要**  
您最多可以向 Amazon Bedrock 提供 2 万条提示，用于对模型进行加固微调。

## 支持的 Nova 型号
<a name="rft-nova-supported-models"></a>

下表显示了您可以通过增强微调自定义的 Amazon Nova 模型：

**注意**  
有关其他支持型号（包括开放式权重模型）的信息，请参阅[Fine-tune 使用开放式权重模型 OpenAI-兼容的 API](fine-tuning-openai-apis.md)。


**支持增强微调的模型**  

| Provider | 模型 | 模型 ID | Single-region 模型支持 | 
| --- | --- | --- | --- | 
| Amazon | Nova 2 Lite | amazon.nova-2-lite-v1:0:256k | us-east-1 |