Создание системы тегирования продуктов на базе ИИ с помощью безсерверной настройки моделей Amazon SageMaker
aws ·
В данной статье описывается метод создания системы тегирования товаров на базе искусственного интеллекта с использованием серверной настройки моделей в Amazon SageMaker. Решение направлено на преодоление проблемы ручной маркировки розничных каталогов за счет адаптации открытой модели Qwen3-8B вместо использования универсальных передовых моделей. Рабочий процесс начинается с подготовки данных, где информация исходного каталога преобразуется в наборы данных для контролируемой дообучения (SFT). Затем модель проходит SFT, чтобы освоить специфическую схему тегирования, после чего применяется обучение с подкреплением с проверяемыми вознаграждениями (RLVR) с использованием оптимизации политики групповой относительности (GRPO). Этот этап оптимизации использует детерминированную функцию вознаграждения для баланса между полнотой и точностью, обеспечивая стабильность генерации атрибутов. В завершение оптимизированная модель развертывается с помощью асинхронного вывода Amazon SageMaker на выделенных экземплярах для пакетного обогащения каталогов. Подход использует серверные вычислительные мощности для эффективного управления ресурсами при сохранении высокого качества результатов.
aws