- Machine learning›
- Amazon SageMaker AI›
- Personalización de modelos
Personalización de modelos con Amazon SageMaker AI
Acelere la personalización del modelo de IA de meses a días con un aprendizaje por refuerzo sin servidor y un flujo de trabajo guiado por agentes de IA
Por qué elegir SageMaker AI para la personalización de modelos
Amazon SageMaker AI permite a los desarrolladores de IA personalizar modelos populares, como Amazon Nova, Llama, Qwen, DeepSeek y GPT-OSS, con las técnicas más recientes, como el aprendizaje por refuerzo en cuestión de días. Puede utilizar la interfaz fácil de usar o el flujo de trabajo guiado por agentes de IA (en versión preliminar) para especificar rápidamente los requisitos, generar datos sintéticos, analizar la calidad de los datos y evaluar la precisión de los modelos, todo ello sin servidores para que pueda centrarse en la innovación en lugar de en la gestión de la infraestructura.
Beneficios
Personalización rápida de modelos con la máxima precisión
Con una interfaz fácil de usar o un flujo de trabajo guiado por agentes de IA (en versión preliminar), puede completar el flujo de trabajo integral de personalización del modelo, desde la preparación de los datos hasta la implementación, y acelerar el proceso de meses a días.
Acceda al conjunto más amplio de técnicas de personalización, como el aprendizaje por refuerzo a partir de los comentarios de la IA (RLAIF) y las recompensas verificables (RLVR), el refinamiento supervisado (SFT) y la optimización de preferencias directas (DPO), todo ello a través de una interfaz fácil de usar con prácticas recomendadas integradas o un flujo de trabajo guiado por agentes de IA (en versión preliminar).
Defina rápidamente su caso de uso de personalización de modelos en lenguaje natural y un agente de IA creará una especificación para usted. El agente de IA lo ayuda a generar datos sintéticos, analizar la calidad de los datos, refinar los modelos y evaluar su rendimiento en función de sus casos de uso y principios de éxito.
Céntrese en el desarrollo de modelos en lugar de en la administración de la infraestructura con una personalización integral de los modelos sin necesidad de servidores. SageMaker AI gestiona automáticamente el aprovisionamiento, el escalado y la optimización de los procesos para que usted no tenga que hacerlo.
Simplificación de la personalización de modelos
Capacidades integrales para personalizar los modelos en todo el flujo de trabajo
Generación de datos sintéticos (en versión preliminar)
Si los datos del mundo real son limitados, puede generar fácilmente datos sintéticos. Si es necesario, el agente de IA de SageMaker AI genera conjuntos de datos a partir de muestras de datos y documentos contextuales en el formato y la estructura requeridos para la técnica de personalización del modelo seleccionada.
Técnicas de personalización avanzadas
SageMaker AI admite las técnicas de personalización de modelos más recientes, como el refinamiento supervisado (SFT), la optimización de preferencias directas (DPO) y el aprendizaje por refuerzo a partir de los comentarios de la IA (RLAIF) y las recompensas verificables (RLVR).
Personalización integral del modelo sin servidor
SageMaker AI selecciona y aprovisiona automáticamente los recursos de computación adecuados en función del modelo y el tamaño de los datos, todo ello sin necesidad de que seleccione y gestione las instancias.
Inferencia
Una vez que haya alcanzado los objetivos de precisión y rendimiento deseados, puede implementar modelos en producción con unos pocos clics en los puntos de conexión de inferencia de SageMaker AI o Amazon Bedrock para la inferencia sin servidor.
LLMOP
Puede registrar automáticamente todas las métricas críticas del experimento sin necesidad de aprovisionar un servidor de seguimiento ni modificar el código. La integración con MLFlow también proporciona visualizaciones ricas y una entrada a la interfaz de usuario de MLFlow para un análisis más detallado.
Casos de uso
Diseñe su modelo de IA para que suene como la voz y el tono de su empresa y que coincidan constantemente con su estilo en cada respuesta.
Entrene su modelo de IA para generar las respuestas que prefieran los usuarios. Recopile comentarios sobre las múltiples opciones de respuesta y optimice el modelo para producir de manera consistente los resultados más favorecidos.
Convierta su modelo de IA en un experto en su sector. Indíquele su conocimiento del sector para que comprenda su jerga, sus requisitos y sus prácticas recomendadas.
Interfaz fácil de usar
Para obtener más control y flexibilidad, puede usar la interfaz fácil de usar para identificar los criterios de evaluación del modelo, seleccionar un modelo y una técnica de personalización, determinar las necesidades de mejora de datos e implementar modelos.
Flujo de trabajo guiado por agentes de IA (en versión preliminar)
Comunique su caso de uso en lenguaje natural. Un agente de IA genera una especificación que incluye las directrices del conjunto de datos, los criterios de evaluación, las métricas asociadas y la técnica de personalización.
Si hay lagunas en los conjuntos de datos, el agente de IA ayuda a generar datos sintéticos. Puede aprobar la especificación o continuar la conversación con el agente para refinar aún más la especificación del caso de uso antes de iniciar el entrenamiento del modelo.
Clientes
Por qué nuestros clientes eligen Amazon SageMaker AI para la personalización de modelos
IA colineal
“En Collinear, creamos conjuntos de datos seleccionados y entornos de simulación para los laboratorios de inteligencia artificial más avanzados y las empresas de Fortune 500 con el fin de mejorar sus modelos. El refinamiento de los modelos de IA es fundamental para crear simulaciones de alta fidelidad, y solía requerir unir diferentes sistemas para el entrenamiento, la evaluación y la implementación. Ahora, con la nueva capacidad de personalización de modelos sin servidor de Amazon SageMaker AI, tenemos una forma unificada que nos permite reducir nuestros ciclos de experimentación de semanas a días. Estas herramientas integrales sin servidor nos ayudan a centrarnos en lo que importa: crear mejores datos de entrenamiento y simulaciones para nuestros clientes, no mantener la infraestructura ni hacer malabares con plataformas dispares”.
Soumyadeep Bakshi, Cofundador de Colinear AI
Robin AI
“En Robin, estamos redefiniendo el papel de lo legal en los negocios modernos y utilizando la IA para impulsar mejores decisiones, acciones más rápidas y un crecimiento sostenible. Para que nuestros clientes puedan tomar mejores decisiones, es crucial que nuestros modelos de IA coincidan con la forma en que los abogados redactan los contratos, desde el formato, el tono y las preferencias específicos de cada abogado. Anteriormente, la personalización de modelos con datos patentados era un proceso engorroso y propenso a errores. Ahora, con la nueva capacidad de personalización de modelos sin servidor de Amazon SageMaker AI, podemos experimentar rápidamente con técnicas avanzadas, como el aprendizaje por refuerzo, con recompensas verificables en solo unos días. Además, nos entusiasma probar el flujo de trabajo guiado por agentes de IA para poder comparar y verificar nuestras suposiciones y ayudar a los abogados de todo el mundo a tomar mejores decisiones con mayor rapidez”.
Diana Mincu, Directora de investigación de Robin AI
Recursos
¿Ha encontrado lo que buscaba hoy?
Ayúdenos a mejorar la calidad del contenido de nuestras páginas compartiendo sus comentarios