Construya un sistema de etiquetado de productos impulsado por IA con la personalización de modelos sin servidor de Amazon SageMaker
aws ·
Este artículo describe un método para construir un sistema de etiquetado de productos impulsado por inteligencia artificial utilizando la personalización de modelos sin servidor en Amazon SageMaker. Aborda el desafío del etiquetado manual de catálogos minoristas mediante la personalización del modelo de pesos abiertos Qwen3-8B, en lugar de depender de modelos líderes de propósito general. El flujo de trabajo comienza con la preparación de datos, donde la información del catálogo original se transforma en conjuntos de datos de ajuste fino supervisado (SFT). A continuación, el modelo pasa por SFT para aprender el esquema de etiquetado específico, seguido de aprendizaje por refuerzo con recompensas verificables (RLVR) utilizando Optimización de Política Relativa por Grupo (GRPO). Esta fase de optimización emplea una función de recompensa determinista para equilibrar la recuperación y la precisión, garantizando una generación consistente de atributos. Finalmente, el modelo optimizado se implementa mediante Inferencia Asíncrona de Amazon SageMaker en instancias aprovisionadas para el enriquecimiento por lotes de los catálogos. Este enfoque aprovecha la capacidad de entrenamiento sin servidor para gestionar eficientemente los recursos informáticos mientras mantiene una salida de alta calidad.
aws