Amazon SageMaker AI unterstützt jetzt die Serverless-Modellanpassung für Gemma 4-Modelle
Amazon SageMaker AI unterstützt jetzt die Serverless-Modellanpassung für die Modelle Gemma 4 E4B und 31B mithilfe von Supervised Fine Tuning (SFT), Direct Preference Optimization (DPO) und Reinforcement Fine Tuning (RFT). Gemma ist eine Familie offener Modelle, die von Google DeepMind entwickelt wurden. Zusätzlich zur Bereitstellung dieser Modelle auf SageMaker AI können Sie sie jetzt an Ihre spezifischen Domains und Workflows anpassen. Diese Markteinführung erweitert auch die Vielfalt der Modelle, die für serverlose Anpassungen auf SageMaker AI verfügbar sind, darunter Modelle aus den Familien Nova, Nemotron 3, Qwen, Llama, gpt-oss und DeepSeek.
Die Modellanpassung ermöglicht es Ihnen, diese Basismodelle mit Ihren geschützten Daten maßzuschneidern, egal ob es darum geht, die Genauigkeit bei domainspezifischen Aufgaben zu verbessern, Ergebnisse an den Tonfall Ihres Unternehmens anzupassen oder die Leistung bei neuen Aufgaben mithilfe Ihrer beschrifteten Daten zu verbessern. Dank Serverless-Anpassung kümmert sich SageMaker AI um die gesamte Infrastrukturbereitstellung und Trainingsorchestrierung, sodass Sie sich auf Ihre Daten und Evaluierungen statt auf das Cluster-Management konzentrieren können und nur für das bezahlen, was Sie tatsächlich nutzen.
Die Serverless-Modellanpassung auf SageMaker AI ist in den Regionen USA Ost (Nord-Virginia), USA West (Oregon), Asien-Pazifik (Tokio) und EU (Irland) verfügbar. Navigieren Sie zunächst zur Seite „Modelle“ in Amazon SageMaker Studio, um einen Anpassungsjob zu starten, oder verwenden Sie das SageMaker-Python-SDK für den programmatischen Zugriff. Weitere Informationen finden Sie in der Dokumentation für Amazon SageMaker AI zur Modellanpassung.