La personalización del modelo sin servidor de Amazon SageMaker AI ahora admite un refinamiento completo
La personalización de modelos sin servidor de Amazon SageMaker AI ahora admite el refinamiento completo de más de 25 modelos de código abierto. Estos incluyen modelos populares de las familias de modelos gpt-oss, Gemma, Llama, Nemotron y Qwen. Además de los métodos eficientes en cuanto a los parámetros, como LoRa, que actualiza un pequeño subconjunto de pesos del modelo, ahora puede actualizar todos los parámetros del modelo para una adaptación más profunda cuando su caso de uso lo requiera.
El refinamiento completo permite que el modelo aprenda más a fondo los patrones, la terminología y la estructura de tareas específicos de su dominio. Esto es particularmente valioso cuando se necesita que el modelo adquiera capacidades más allá de los ajustes de estilo a nivel superficial, como aprender patrones de razonamiento especializados, adoptar formatos de salida complejos o internalizar el conocimiento del dominio a partir de grandes conjuntos de datos patentados. Con la personalización del modelo sin servidor, SageMaker administra todo el aprovisionamiento de la infraestructura y la orquestación del entrenamiento, de modo que puede ejecutar trabajos completos de refinamiento sin aprovisionar ni administrar ninguna infraestructura y solo paga por lo que usa.
El refinamiento completo de SageMaker sin servidor está disponible en el este de EE. UU. (norte de Virginia), oeste de EE. UU.(Oregón), Asia-Pacífico (Tokio) y Europa (Irlanda). Para empezar, vaya a la página JumpStart y Modelos de Amazon SageMaker Studio a fin de iniciar un trabajo de personalización o utilice el SDK de Python de SageMaker. Para obtener más información y consultar la lista de modelos compatibles, vea la documentación de personalización de modelos de Amazon SageMaker AI.