- AI›
- 生成 AI›
- Amazon Nova›
- Nova Forge
Amazon Nova Forge: Nova を使用して独自のフロンティアモデルを構築
Nova Forge は、Nova を使用して独自のフロンティアモデルを構築するための新しいサービスです。Nova Forge のお客様は、初期のモデルチェックポイントから開発を開始し、所有データを Amazon Nova が収集したトレーニングデータと組み合わせて、カスタムモデルを AWS で安全にホストできます。
Nova Forge は、独自のフロンティアモデルを構築するための最も簡単で費用対効果の高い方法です。
メリット
トレーニング前、トレーニング中、またはトレーニング後のフェーズにわたる初期の Nova チェックポイントを使用して、SageMaker AI でカスタムモデル開発を開始します。これにより、モデルトレーニングの最適な時点で所有データを導入し、データからモデルを最大限に学習できます。
Amazon が提供する SageMaker レシピを使用して、Amazon Nova が厳選したトレーニングデータと所有データをブレンドします。このアプローチにより、壊滅的な忘却などのリスクを最小限に抑え、推論などの基本的な能力を維持しながら、組織独自の知識を深く理解するモデルを構築できます。
強化ファインチューニング (RFT) のための報酬機能を環境に統合します。これにより、モデルは環境内で生成されたアプリケーションからのフィードバックから学習できます。
Nova Forge で利用できる責任ある AI ツールキットを使用して、カスタムモデルの安全性とコンテンツモデレーションの設定を構成します。安全、セキュリティ、取り扱いなどの特定のビジネスニーズに合わせて設定を調整できます。
Nova 2 Pro や Nova 2 Omni などの新しい Nova モデルに早期アクセスして、AI テクノロジーの最前線に留まりましょう。
モデルトレーニングの全段階における制御と柔軟性
トレーニングの初期段階での学習効果を最大化
大量の非構造化データをお持ちのお客様は、継続的事前トレーニング (CPT) を通じてデータを導入できます。事前にトレーニングされたチェックポイントから始めることで、新しい領域を学習するピーク時に新しいデータセットがモデルに導入され、Nova トレーニングデータをブレンドして、基本的な機能を壊滅的に忘れるなどのリスクを最小限に抑えることができます。
専用データセットを使用してモデル機能を強化
中程度の量の非構造化データをお持ちのお客様向けに、Nova Forge は、新しいトレーニングデータから学ぶ傾向が事前トレーニングほど高く設定されていないトレーニングの途中でデータを導入するためのモデルチェックポイントとレシピを提供します。事前トレーニングと同様に、お客様はトレーニングの途中で所有データを Amazon Nova が収集したトレーニングデータと組み合わせることができます。 これにより、モデルは言語理解や推論などの一般的な能力を維持しながらドメイン固有の知識を吸収できますが、壊滅的な忘却を避けるために学習率を低く抑えることができます。
SFT とデータミキシングにより、アプリケーション固有の効果的な応答を生成
教師ありファインチューニングでは、指示応答データセットなどのラベル付きデータを使用して、モデルにクエリのパターンへの応答方法を教えます。お客様は、ニーズとトレーニングデータの可用性に応じて、自分で作成したカスタムベースチェックポイント、Nova が事前に構築したベースチェックポイント、または Nova のインストラクションチューニングモデルで教師ありファインチューニングを実行することを選択できます。CPT の場合と同様に、お客様は教師ありファインチューニング中に、所有データを Amazon Nova がキュレーションしたラベル付きデータセットと組み合わせることができます。これにより、お客様は指示に従うなどの幅広いモデル機能を維持しながら、特殊なアプリケーション向けにモデルをトレーニングできます。
精度を最大化し、現実世界のフィードバックとシミュレーションに合わせてモデルを調整
強化学習 (RL) は、報酬シグナルと人間のフィードバックを使用してモデルの動作をさらに洗練させます。RL フェーズでは、Nova Forge のお客様はリモートリワード機能からのフィードバックを使用してモデルを調整できます。これにより、独自のツールや検証ツールを備えたカスタム環境からのフィードバックを、調整時に API を通じて利用することができます。小さな Python ファイルで定義される単純な報酬関数という業界標準とは異なり、この API ベースのアプローチにより、顧客は高度なカスタム環境ハーネスを統合して大規模に実行できます。カスタム報酬関数の例としては、物理シミュレーター、ネストされたツール呼び出しを備えた内部システムを使用した複雑なコード評価、独自のテストフレームワークに対するロボットタスクなどがあります。
Nova カスタマイズとトレーニング機能
Nova Forge と連携することで、すでに素晴らしい成果を上げているより統一されたシステムで、Reddit でのコンテンツモデレーションを改善できるようになりました。私たちは、さまざまなモデルを、モデレーションをより効率的にする、より正確な単一ソリューションに置き換えています。複数の専門機械学習ワークフローをまとまりのある 1 つのアプローチに置き換えることができるようになったことで、Reddit 全体での AI の実装と拡張の方法が変わりました。こうした安全への取り組みにおける初期の成功を見て、私たちは Nova Forge が私たちのビジネスの他の分野でどのように役立つかを探りたいと思っています。
Chris Slowe 氏
Reddit、CTO
私たちは Nova Forge を使用して、分子特性の予測、化学問題の推論、新薬候補の生成ができる統合創薬アシスタントを構築しています。各実験に数千の費用がかかるラボでテストする前に、何千もの候補をコンピューターで探索することで、コストを削減しながら、より優れた医薬品をより迅速に患者に提供できます。Nova 2 Lite による教師ありファインチューニングと強化ファインチューニングにより、特性予測タスクではすでに Sonnet 4 などの既存の大規模言語モデルよりも 20〜50％ 優れており、同じタスクでいくつかの特殊な GNN モデルのパフォーマンスを上回るか、それに匹敵するものがあり、現在は分子生成に移行しています。
Leela Dodda 氏
Nimbus Therapeutics、計算化学部門ディレクター
Nova Forge により、オープンウェイトモデルの魅力的な代替手段として、業界固有の LLM を構築できるようになりました。マネージドトレーニングインフラストラクチャを備えた SageMaker AI 上で運用することで、Amazon Nova が収集したデータと当社の所有データセットを組み合わせることで、日本の金融サービス LLM のような専門モデルを効率的に開発できます。
Takahiko Inaba 氏
株式会社野村総合研究所、AI 部門責任者兼マネージングディレクター
Cosine AI では、強化ファインチューニングを通じて、常にソフトウェア開発エージェントの限界に挑戦しています。Nova Forge の API ベースのアプローチを共同設計しました。これにより、モデル用の内部ツールと環境を使用して、お客様のビジネスが直面している課題を学習し、最適化することができます。これは、当社が最先端を実現するための重要な要素です。
Yang Li 氏
Cosine AI、共同創設者 - Cosine AI、共同創設者、Yang Li 氏
私たちは Nova Forge プログラムを活用して、多様な事業や事業に最先端の AI を構築しています。Sony Group では、Nova Forge で開発されたモデルを搭載した AI エージェントを使用して、レビューと評価のプロセスの効率を 100 倍に高めることに挑戦しています。強化ファインチューニングを行ったところ、初期の結果では、Nova のレイテンシーと価格パフォーマンスの恩恵を受けながら、大規模モデルのパフォーマンスを上回っていることが示されています。
Masahiro Oba 氏
ソニーグループ株式会社、デジタル & テクノロジープラットフォーム、AI アクセラレーション事業部。シニアゼネラルマネージャー
Nova 2 Lite により、ユーザーが Siemens のウェブサイトを操作する方法を一新し、次世代の会話体験を開発できるようになりました。Nova のファインチューニング機能を活用することで、検索拡張生成 (RAG) システムのコンテキスト出力を最適化し、ツール呼び出しの関連性を絞り込み、検索結果の全体的な精度を向上させることができます。
Fabian Fischer 氏
Siemens、エンタープライズアーキテクト今日お探しの情報は見つかりましたか?
ぜひご意見をお寄せください。ページのコンテンツ品質の向上のために役立てさせていただきます