Novas maneiras de personalizar modelos com SageMaker AI sem gerenciar GPUs
aws ·
A AWS anunciou a disponibilidade geral das sessões de treinamento para personalização de modelos sem servidor no SageMaker AI, permitindo que desenvolvedores personalizem modelos sem gerenciar infraestrutura de GPUs. Este novo recurso permite que os usuários escrevam e coordenem seus próprios loops pós-treinamento, incluindo funções de perda personalizadas e sinais de recompensa, enquanto a AWS cuida da execução distribuída e da recuperação de falhas. Os clientes podem utilizar várias técnicas, como SFT, DPO, RLVR e aprendizado por reforço multi-turno, mantendo controle total sobre o processo de treinamento. O serviço oferece suporte a modelos específicos de pesos abertos, incluindo gpt-oss-20b, gemma-4-31B-it e variantes do Qwen. Os usuários mantêm a propriedade de seus dados e modelos, que permanecem em seus próprios buckets S3 e não são utilizados para treinar outros modelos. A implementação é facilitada por meio do SageMaker Python SDK ou diretamente no SageMaker Studio, usando agentes de codificação integrados. Os primeiros adotantes dos setores de saúde e inteligência artificial elogiaram a plataforma pelo seu controle fino e simplicidade operacional.
aws