使用Amazon SageMaker无服务器模型定制构建AI驱动的产品标签系统
aws ·
本文介绍了一种利用 Amazon SageMaker 无服务器模型定制功能构建 AI 驱动的产品标签系统的方法。该方法旨在解决手动标记零售目录的挑战，通过定制 Qwen3-8B 开源权重模型，而非依赖通用前沿模型。工作流程始于数据准备，将源目录信息转换为监督微调（SFT）数据集。随后，模型经过 SFT 以学习特定的标签模式，接着使用基于组相对策略优化（GRPO）的可验证奖励强化学习（RLVR）进行优化。此优化阶段采用确定性奖励函数来平衡召回率和精确率，确保属性生成的一致性。最后，优化的模型通过 Amazon SageMaker 异步推理部署在预置实例上，用于批量目录丰富。该方法利用无服务器训练容量高效管理计算资源，同时保持高质量的输出。
aws