La personnalisation des modèles sans serveur Amazon SageMaker AI permet désormais un réglage complet
La personnalisation des modèles sans serveur Amazon SageMaker AI prend désormais en charge le réglage complet de plus de 25 modèles open source. Il s’agit notamment des modèles populaires des familles de modèles gpt-oss, Gemma, Llama, Nemotron et Qwen. Outre les méthodes efficaces en termes de paramètres, telles que LoRA, qui mettent à jour un petit sous-ensemble de pondérations du modèle, vous pouvez désormais mettre à jour tous les paramètres du modèle pour une adaptation plus approfondie lorsque votre cas d’utilisation l’exige.
Le réglage complet permet au modèle d’apprendre de manière plus approfondie les modèles, la terminologie et la structure des tâches spécifiques à votre domaine. Cela est particulièrement utile lorsque vous avez besoin que le modèle acquière des fonctionnalités allant au-delà des ajustements de style au niveau de la surface, telles que l’apprentissage de modèles de raisonnement spécialisés, l’adoption de formats de sortie complexes ou l’internalisation de connaissances de domaine à partir de grands jeux de données propriétaires. Grâce à la personnalisation des modèles sans serveur, SageMaker gère l’ensemble du provisionnement de l’infrastructure et l’orchestration de la formation, de sorte que vous pouvez exécuter des tâches de réglage complètes sans provisionner ni gérer aucune infrastructure et vous ne payez que pour ce que vous utilisez.
Le réglage complet sans serveur de SageMaker est disponible dans les régions USA Est (Virginie du Nord), USA Ouest (Oregon), Asie-Pacifique (Tokyo) et Europe (Irlande). Pour commencer, accédez à la page JumpStart et 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 et consulter la liste des modèles pris en charge, consultez la documentation de personnalisation des modèles Amazon SageMaker AI.