Amazon SageMaker AI prend désormais en charge la personnalisation des modèles sans serveur pour les modèles Gemma 4
Amazon SageMaker AI prend désormais en charge la personnalisation des modèles sans serveur pour les modèles Gemma 4 E4B et 31B à l’aide du peaufinage supervisé (SFT), de l’optimisation des préférences directes (DPO) et du peaufinage par renforcement (RFT). Gemma est une famille de modèles ouverts, créés par Google DeepMind. Outre le déploiement de ces modèles sur SageMaker AI, vous pouvez désormais l’adapter à vos domaines et flux de travail spécifiques. Ce lancement étend également la variété de modèles disponibles pour la personnalisation sans serveur sur SageMaker AI, notamment des modèles des familles Nova, Nemotron 3, Qwen, Llama, gpt-oss et DeepSeek.
La personnalisation des modèles vous permet d’adapter ces modèles de fondation à vos données exclusives, qu’il s’agisse d’améliorer la précision des tâches spécifiques à un domaine, d’aligner les résultats sur la trajectoire de votre organisation ou d’améliorer les performances sur de nouvelles tâches à l’aide de vos données étiquetées. Grâce à la personnalisation sans serveur, SageMaker AI gère l’ensemble du provisionnement de l’infrastructure et de l’orchestration de la formation, afin que vous puissiez vous concentrer sur vos données et leur évaluation plutôt que sur la gestion des clusters, et ne payer que pour ce que vous utilisez.
La personnalisation du modèle sans serveur sur SageMaker AI est disponible dans les Régions USA Est (Virginie du Nord), USA Ouest (Oregon), Asie-Pacifique (Tokyo) et UE (Irlande). Pour commencer, accédez à la page Modèles d’Amazon SageMaker Studio pour lancer une tâche de personnalisation, ou utilisez le kit SDK Python de SageMaker pour un accès par programmation. Pour en savoir plus, consultez la documentation relative à la personnalisation du modèle Amazon SageMaker AI.