Amazon SageMaker AI supporta ora la personalizzazione dei modelli serverless per i modelli Gemma 4
Amazon SageMaker AI supporta ora la personalizzazione dei modelli serverless per i modelli Gemma 4 E4B e 31B utilizzando il fine-tuning supervisionato (SFT), il fine-tuning diretto delle preferenze (DPO) e il fine-tuning tramite apprendimento per rinforzo (RFT). Gemma è una famiglia di modelli aperti creati da Google DeepMind. Oltre a distribuire questi modelli su SageMaker AI, è ora possibile adattarli a domini e flussi di lavoro specifici. Questo lancio estende inoltre la varietà di modelli disponibili per la personalizzazione serverless su SageMaker AI, includendo i modelli delle famiglie Nova, Nemotron 3, Qwen, Llama, gpt-oss e DeepSeek.
La personalizzazione dei modelli consente di adattare questi modelli di base con i propri dati proprietari, per migliorare la precisione nelle attività specifiche del dominio, allineare gli output con il tono dell'organizzazione o ottimizzare 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 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.