Amazon SageMaker AI ora supporta la personalizzazione dei modelli serverless per i modelli Qwen3.5
Amazon SageMaker AI ora supporta la personalizzazione dei modelli serverless per Qwen3.5, consentendo di ottimizzare i modelli Qwen3.5 da 4B, 9B e 27B parametri utilizzando la messa a punto supervisionata (SFT) e la messa a punto tramite apprendimento per rinforzo (RFT). Qwen3.5 è una popolare famiglia di modelli a pesi aperti di Alibaba Cloud. Prima di questo lancio, era possibile distribuire questi modelli base su Amazon SageMaker AI e ora è anche possibile adattarli ai propri domini e flussi di lavoro specifici.
La personalizzazione dei modelli consente di adattare i modelli di base con i dati proprietari, in modo che riflettano con maggiore precisione la conoscenza del dominio, la terminologia e gli standard di qualità. Anziché creare modelli da zero, la messa a punto consente di partire da un modello base già in grado di funzionare e specializzarlo per i propri casi d’uso, che si tratti di migliorare la precisione su attività specifiche del dominio, allineare gli output al tono della propria organizzazione o migliorare le prestazioni su nuove attività utilizzando dati etichettati. Con la personalizzazione serverless, Amazon SageMaker AI gestisce tutto il provisioning dell’infrastruttura e l’orchestrazione del training, così puoi concentrarti sui dati e sulla valutazione invece che sulla gestione dei cluster, e pagare solo per ciò che utilizzi.
La personalizzazione serverless dei modelli Qwen3.5 su Amazon SageMaker AI è disponibile nelle regioni Stati Uniti orientali (Virginia settentrionale), Stati Uniti occidentali (Oregon), Asia Pacifico (Tokyo) e UE (Irlanda). Per iniziare, vai alla pagina Modelli in Amazon SageMaker Studio per avviare un processo di personalizzazione oppure utilizza l’SDK Python di SageMaker per l’accesso programmatico. Per ulteriori informazioni, consulta la documentazione sulla personalizzazione dei modelli di Amazon SageMaker AI.