Nouvelles façons de personnaliser les modèles avec SageMaker AI sans gérer les GPU
aws ·
AWS a annoncé la disponibilité générale des sessions d'entraînement pour la personnalisation de modèles sans serveur sur SageMaker AI, permettant aux développeurs de personnaliser des modèles sans gérer l'infrastructure GPU. Cette nouvelle fonctionnalité permet aux utilisateurs de rédiger et de coordonner leurs propres boucles post-entraînement, y compris des fonctions de perte personnalisées et des signaux de récompense, tandis qu'AWS gère l'exécution distribuée et la récupération en cas de panne. Les clients peuvent utiliser diverses techniques telles que SFT, DPO, RLVR et l'apprentissage par renforcement multi-tours, tout en conservant un contrôle total sur le processus d'entraînement. Le service prend en charge des modèles spécifiques à poids ouverts, notamment gpt-oss-20b, gemma-4-31B-it et les variantes Qwen. Les utilisateurs conservent la propriété de leurs données et modèles, qui restent dans leurs propres compartiments S3 et ne sont pas utilisés pour entraîner d'autres modèles. La mise en œuvre est facilitée via le SDK Python SageMaker ou directement dans SageMaker Studio à l'aide d'agents de codage intégrés. Les premiers utilisateurs, issus des secteurs de la santé et de l'IA, ont salué la plateforme pour son contrôle précis et sa simplicité opérationnelle.
aws