Personalizzazione del modello con Amazon SageMaker AI

Amazon SageMaker AI consente agli sviluppatori di IA di personalizzare oltre 20 modelli open weight popolari e Amazon Nova utilizzando il fine-tuning supervisionato (SFT), l’ottimizzazione diretta delle preferenze (DPO), l’apprendimento per rinforzo con ricompense verificabili (RLVR) e l’apprendimento per rinforzo dal feedback IA (RLAIF).  

Tutto il flusso di lavoro è completamente serverless: SageMaker gestisce il provisioning, la scalabilità e l’ottimizzazione dei calcoli. 

Distribuisci modelli personalizzati su Amazon Bedrock per l’inferenza serverless o sugli endpoint di SageMaker per l’inferenza gestita. Consulta la pagina della documentazione per l’elenco più recente dei modelli e delle tecniche supportati 

Usa l’UI guidata su SageMaker Studio per selezionare un modello, scegliere una tecnica, configurare il set di dati, avviare l’addestramento serverless, monitorare le metriche in tempo reale e distribuire, il tutto in pochi clic. Nessun agente o codice richiesto. 

Descrivi il tuo caso d’uso e un agente di codifica AI ti fornirà indicazioni per la trasformazione dei dati, la selezione della tecnica, la configurazione degli iperparametri, la valutazione e la distribuzione. Le competenze degli agenti appositamente sviluppate apportano competenze specialistiche al tuo agente di codifica IA per quanto riguarda le tecniche di fine-tuning, la selezione dei modelli, le API IA di SageMaker e le metodologie di valutazione, aiutandoti a sviluppare più velocemente e con sicurezza. Le competenze degli agenti sono una serie di istruzioni predefiniti e personalizzabili che si adattano ai flussi di lavoro e agli standard di governance esistenti. Inizia a usare SageMaker Studio JupyterLab con Kiro e le competenze degli agenti preinstallate o usa le competenze degli agenti con l’IDE o l’agente di codifica preferito, tra cui Kiro IDE, Cursor, Claude Code e VS Code. 

"In Collinear, creiamo set di dati e ambienti di simulazione curati per i laboratori di intelligenza artificiale di frontiera e le aziende Fortune 500 per migliorare i loro modelli. Il fine-tuning dei modelli di intelligenza artificiale è fondamentale per creare simulazioni ad alta fedeltà e in passato richiedeva l'unione di diversi sistemi per l'addestramento, la valutazione e l'implementazione. Ora, grazie alla nuova funzionalità di personalizzazione dei modelli serverless di Amazon SageMaker AI, disponiamo di un metodo unificato che ci consente di ridurre i nostri cicli di sperimentazione da settimane a giorni. Questi strumenti serverless end-to-end ci aiutano a concentrarci su ciò che conta: creare dati e simulazioni di addestramento migliori per i nostri clienti, senza mantenere l'infrastruttura o destreggiarsi tra piattaforme diverse".

Soumyadeep Bakshi, Co-fondatore, Collinear AI

“In Oleum, stiamo sviluppando strumenti di IA che aiutano le aziende a comprendere i dati e a fare affidamento su di essi. La nuova esperienza di IA agentica di Amazon SageMaker AI è esattamente il tipo di strumento di cui abbiamo bisogno. Agisce come un partner strategico, non solo come esecutore di attività: consiglia tecniche, rileva le discrepanze nei dati e ci consente di creare qualsiasi flusso di lavoro desiderato, anziché costringerci a seguire un processo rigido. Il fatto che queste competenze si colleghino direttamente al nostro ambiente di sviluppo agentico esistente significa che possiamo ricorrere ad approcci di fine-tuning senza passare da una piattaforma all’altra. E con la nuova esperienza di chat integrata direttamente su JupyterLab in SageMaker Studio, possiamo passare dalla conversazione al notebook eseguibile al job di addestramento in un unico posto. È flessibile, personalizzabile e costruito per il modo in cui funzionano effettivamente i team moderno di ML”.      

Oleum — Alejandro Ballesteros, CTO 

“In Wink, stiamo costruendo gemelli digitali basati sull’IA che catturano le sfumature delle vere personalità umane, aiutando gli utenti a individuare connessioni autentiche prima di incontrarsi di persona. Il nostro flusso di lavoro di sviluppo è passato interamente a esperienze agentiche e basate sulla tempestività: ci muoviamo velocemente e rilasciamo velocemente. Il nuovo approccio di personalizzazione dei modelli basato sulle competenze di Amazon SageMaker AI si adatta perfettamente a quel flusso di lavoro. Invece di scontrarsi con infrastrutture o interfacce rigide, il nostro team può eseguire il fine-tuning di modelli di personalità grazie al linguaggio naturale direttamente all’interno degli strumenti che già utilizziamo. Per una startup in cui la velocità e l’efficienza dei costi sono tutto, siamo davanti a un punto di svolta, perché possiamo concentrarci sulla creazione di esperienze migliori per i nostri utenti, non sulla gestione delle pipeline di ML”.      

Wink  — Ethan Fan, CTO 

"In Robin, stiamo ridefinendo il ruolo legale nel business moderno e utilizzando l'intelligenza artificiale per guidare decisioni migliori, azioni più rapide e una crescita sostenibile. Per fornire ai nostri clienti un migliore processo decisionale, è fondamentale che i nostri modelli di intelligenza artificiale corrispondano al modo in cui gli avvocati scrivono i contratti, a partire dal formato, dal tono e dalle preferenze specifici dei singoli avvocati. In passato, la personalizzazione dei modelli con dati proprietari era un processo complesso e soggetto a errori. Ora, grazie alla nuova funzionalità di personalizzazione dei modelli serverless di Amazon SageMaker AI, possiamo sperimentare rapidamente tecniche avanzate come l'apprendimento per rinforzo con ricompense verificabili in pochi giorni. Inoltre, siamo entusiasti di provare il flusso di lavoro basato sugli agenti IA in modo da poter confrontare e verificare le nostre ipotesi per aiutare gli avvocati di tutto il mondo a prendere decisioni migliori più rapidamente".

Diana Mincu - Direttrice della ricerca, Robin AI