Neue Funktion zur Anpassung von serverlosen Modellen in Amazon SageMaker AI
Amazon Web Services (AWS) kündigt eine neue Funktion zur serverlosen Modellanpassung an, die es KI-Entwicklern ermöglicht, beliebte Modelle mit überwachter Feinabstimmung und den neuesten Techniken wie Reinforcement Learning schnell anzupassen. Amazon SageMaker AI ist ein vollständig verwalteter Service, der eine breite Palette von Tools vereint, um eine leistungsstarke und kostengünstige Entwicklung von KI-Modellen für jeden Anwendungsfall zu ermöglichen.
Viele KI-Entwickler versuchen, Modelle mit geschützen Daten anzupassen, um die Genauigkeit zu verbessern. Dies erfordert jedoch häufig lange Iterationszyklen. KI-Entwickler müssen beispielsweise einen Anwendungsfall definieren und Daten vorbereiten, ein Modell und eine Anpassungstechnik auswählen, das Modell trainieren und das Modell dann für die Bereitstellung evaluieren. Jetzt können KI-Entwickler den gesamten Workflow zur Modellanpassung vereinfachen, von der Datenaufbereitung über die Auswertung bis hin zur Bereitstellung, und den Prozess beschleunigen. Mit einer einfach zu bedienenden Oberfläche können KI-Entwickler schnell loslegen und beliebte Modelle, darunter Amazon Nova, Llama, Qwen, DeepSeek und GPT-OSS, mit ihren eigenen Daten anpassen. Sie können überwachte Feinabstimmungen und die neuesten Anpassungstechniken wie Reinforcement Learning und direkte Präferenzoptimierung verwenden. Darüber hinaus können KI-Entwickler den von KI-Agenten gesteuerten Workflow (in der Vorschau) verwenden und natürliche Sprache verwenden, um synthetische Daten zu generieren, die Datenqualität zu analysieren und Modelltraining und -evaluierung durchzuführen – und das alles völlig serverlos.
Sie können diese benutzerfreundliche Oberfläche in den folgenden AWS-Regionen verwenden: Europa (Irland), USA Ost (Nord-Virginia), Asien-Pazifik (Tokio) und USA West (Oregon). Besuchen Sie die Anmeldeseite, um der Warteliste für den Zugriff auf den von KI-Agenten geführten Workflow beizutreten.
Weitere Informationen finden Sie auf der Seite und im Blog zur Anpassung des KI-Modells von SageMaker.