Construa um sistema de etiquetagem de produtos com IA usando a personalização de modelo sem servidor do Amazon SageMaker
aws ·
Este artigo descreve um método para construir um sistema de etiquetagem de produtos baseado em IA utilizando a personalização de modelos sem servidor do Amazon SageMaker. Ele aborda o desafio da etiquetagem manual de catálogos de varejo ao personalizar o modelo de pesos abertos Qwen3-8B, em vez de depender de modelos fronteira de propósito geral. O fluxo de trabalho começa com a preparação dos dados, onde as informações da fonte do catálogo são transformadas em conjuntos de dados para ajuste fino supervisionado (SFT). Em seguida, o modelo passa pelo SFT para aprender o esquema específico de etiquetagem, seguido por aprendizado por reforço com recompensas verificáveis (RLVR) usando Otimização de Política Relativa ao Grupo (GRPO). Esta fase de otimização emprega uma função de recompensa determinística para equilibrar recall e precisão, garantindo a geração consistente de atributos. Por fim, o modelo otimizado é implantado por meio do Inferência Assíncrona do Amazon SageMaker em instâncias provisionadas para o enriquecimento em lote dos catálogos. A abordagem aproveita a capacidade de treinamento sem servidor para gerenciar recursos de computação de forma eficiente, mantendo alta qualidade nos resultados.
aws