Amazon SageMaker JumpStart ahora admite el ajuste preciso de los modelos fundacionales mediante la adaptación de dominios

A partir de hoy, Amazon SageMaker JumpStart ofrece la capacidad de ajustar con precisión un modelo de lenguaje de gran tamaño, en particular un modelo de generación de texto en un conjunto de datos específico de un dominio. Los clientes ahora pueden ajustar los modelos con su conjunto de datos personalizado para mejorar el rendimiento en dominios específicos. Por ejemplo, este blog describe cómo utilizar la adaptación del dominio para ajustar un modelo GPT-J 6B a partir de datos financieros disponibles públicamente de la Comisión de Bolsa y Valores, de modo que el modelo pueda generar texto más relevante para los casos de uso de los servicios financieros. Los clientes pueden ajustar modelos fundacionales, como los modelos GPT-J 6B y GPT-J 6B FP16, para adaptarlos al dominio en JumpStart dentro de Amazon SageMaker Studio, mediante la interfaz de usuario y el SDK de SageMaker Python.

Esta característica para ajustar con precisión los modelos fundacionales con la adaptación de dominios en SageMaker JumpStart se puede utilizar en todas las regiones en las que está disponible el servicio.

Para aprender a utilizar esta nueva característica, consulte la documentación de SageMaker JumpStart y el cuaderno de ejemplo de los modelos fundacionales de SageMaker JumpStart: ajuste preciso del modelo GPT-J 6B de generación de texto en un conjunto de datos específico del dominio.