Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Menyiapkan fungsi hadiah untuk model Amazon Nova
<a name="reward-functions"></a>

Fungsi penghargaan mengevaluasi kualitas respons dan memberikan sinyal umpan balik untuk pelatihan model. Anda dapat mengatur fungsi hadiah menggunakan fungsi Lambda khusus atau model Bedrock-hosted yayasan Amazon sebagai juri. Template terpandu tersedia untuk menyederhanakan pembuatan fungsi hadiah untuk tugas-tugas umum seperti mengikuti instruksi dan validasi format. Pilih pendekatan yang sesuai dengan persyaratan tugas Anda.

## Pembelajaran Penguatan melalui Hadiah yang Dapat Diverifikasi (RLVR)
<a name="rft-rlvr"></a>

RLVR mengoptimalkan model untuk tugas-tugas objektif seperti pembuatan kode atau penalaran matematika menggunakan grader berbasis aturan yang dapat diverifikasi atau templat siap pakai.

Anda memiliki dua opsi untuk RLVR (Kode Kustom):

### Opsi 1: Gunakan templat yang disediakan konsol
<a name="w2aac17c25c17c17b5b7b1"></a>

Konsol Amazon Bedrock menyediakan contoh template untuk fungsi Lambda grader:
+ Penalaran matematis dengan verifikasi kebenaran dasar
+ Format validasi dan pengecekan kendala
+ Template Lambda grader generik dengan kode boilerplate

Ikuti petunjuk dalam templat yang disediakan di halaman **pekerjaan Buat RFT** di konsol [Amazon Bedrock](https://console.aws.amazon.com/bedrock).

### Opsi 2: Bawa fungsi Lambda Anda sendiri
<a name="w2aac17c25c17c17b5b7b3"></a>

Buat fungsi hadiah khusus menggunakan Lambda ARN Anda sendiri untuk logika kompleks, API eksternal, perhitungan multi-langkah, atau menggabungkan beberapa kriteria evaluasi.

**catatan**  
Jika Anda membawa fungsi Lambda Anda sendiri, ingatlah hal berikut:  
Tingkatkan batas waktu Lambda dari default 3 detik menjadi maksimum 15 menit untuk evaluasi kompleks.
Peran eksekusi Lambda memerlukan izin untuk memanggil model seperti yang dijelaskan dalam. [Akses dan keamanan untuk model Amazon Nova](rft-access-security.md)

## Pembelajaran Penguatan melalui Umpan Balik AI (RLAIF)
<a name="rft-rlaif"></a>

RLAIF mengoptimalkan model untuk tugas subjektif seperti mengikuti instruksi atau interaksi chatbot menggunakan juri dengan templat siap pakai. AI-based 

**Untuk RLAIF (Model sebagai Hakim):**
+ Pilih Model dasar yang dihosting Amazon Bedrock sebagai Hakim
+ Konfigurasikan instruksi untuk evaluasi
+ Tentukan kriteria evaluasi dan pedoman penilaian

Templat LLM-as-Judge prompt yang tersedia di konsol Amazon Bedrock:
+ Instruksi berikut (Pelatihan model hakim)
+ Ringkasan (Multi-turn dialog)
+ Evaluasi penalaran (CoT untuk domain khusus)
+ Kesetiaan RAG (T&J) Context-grounded 

**catatan**  
Opsi **Model sebagai Hakim** konsol secara otomatis mengubah konfigurasi Anda menjadi fungsi Lambda selama pelatihan.

## Detail implementasi fungsi Lambda
<a name="rft-lambda-implementation"></a>

Saat menerapkan fungsi hadiah Lambda khusus, fungsi Anda harus menerima dan mengembalikan data dalam format berikut.

------
#### [ Input structure ]

```
[{
  "id": "123",
  "messages": [
    {
      "role": "user",
      "content": "Do you have a dedicated security team?"
    },
    {
      "role": "assistant",
      "content": "As an AI developed by Amazon, I don not have a dedicated security team..."
    }
  ],
  "metadata": {
    "reference_answer": {
      "compliant": "No",
      "explanation": "As an AI developed by Company, I do not have a traditional security team..."
    },
    "my_key": "sample-001"
  }
}]
```

------
#### [ Output structure ]

```
[{
  "id": "123",
  "aggregate_reward_score": 0.85,
  "metrics_list": [
    {
      "name": "accuracy",
      "value": 0.9,
      "type": "Reward"
    },
    {
      "name": "policy_compliance",
      "value": 0.8,
      "type": "Metric"
    }
  ]
}]
```

------

**Pedoman desain**
+ **Tanggapan peringkat** — Berikan jawaban terbaik dengan skor yang jelas lebih tinggi
+ **Gunakan pemeriksaan yang konsisten** — Evaluasi penyelesaian tugas, kepatuhan format, keamanan, dan panjang yang wajar
+ **Pertahankan penskalaan yang stabil** - Jaga skor tetap normal dan tidak dapat dieksploitasi