Annunciate nuovi modi per personalizzare i modelli con SageMaker AI senza gestire le GPU
aws ·
AWS ha annunciato la disponibilità generale delle sessioni di addestramento per la personalizzazione dei modelli serverless su SageMaker AI, consentendo agli sviluppatori di personalizzare i modelli senza gestire l'infrastruttura GPU. Questa nuova funzionalità permette agli utenti di scrivere e coordinare i propri loop post-addestramento, incluse funzioni di perdita personalizzate e segnali di ricompensa, mentre AWS gestisce l'esecuzione distribuita e il recupero dagli errori. I clienti possono utilizzare varie tecniche come SFT, DPO, RLVR e reinforcement learning multi-turno, mantenendo un controllo completo sul processo di addestramento. Il servizio supporta specifici modelli open-weight tra cui gpt-oss-20b, gemma-4-31B-it e varianti Qwen. Gli utenti mantengono la proprietà dei propri dati e modelli, che rimangono nei rispettivi bucket S3 e non vengono utilizzati per addestrare altri modelli. L'implementazione è facilitata tramite il SageMaker Python SDK o direttamente all'interno di SageMaker Studio utilizzando agent di codifica integrati. I primi utilizzatori provenienti dai settori sanitario e dell'intelligenza artificiale hanno elogiato la piattaforma per il suo controllo granulare e la semplicità operativa.
aws