AWS 发布 SageMaker AI 新功能:无需管理 GPU 即可自定义模型
摘要
AWS 宣布 SageMaker AI 无服务器模型定制中的 Training Sessions 正式可用,让开发者自行编写后训练循环,而把 GPU 分配、分布式执行、故障恢复和检查点存储交由平台处理。
核心要点
- Training Sessions 让用户编写并协调整个训练循环,包括自定义损失函数与奖励信号;SageMaker AI 则接管 GPU 分配、分布式执行、故障恢复与 checkpoint 存储
- 支持的后训练技术覆盖 SFT、DPO、RLVR、RLAIF 与多轮强化学习,并可通过 LoRA 或全量微调控制更新范围,再用 continuous customization 把多种技术串联起来
- 针对 agent 的多轮强化学习是重点场景:订票、工单分诊、多步研究等任务需要多轮交互才能判断结果,而训练与推理往往跑在不同基础设施上,导致训练循环迅速变复杂
- 配套提供 cookbook 示例与 model customization agent skills,用户描述用例后,agent 就能完成数据准备、技术选型、训练、评估与部署,并可在 SageMaker Studio、Kiro、Claude Code、Codex、GitHub Copilot 中使用
- 客户 ImagineSoftware 用它构建医疗理赔拒付分诊模型,其数据科学高级副总裁称,底层 API 对前向/反向传播、采样与优化器步的直接控制,是满足高精度强化学习需求的关键
原文佐证
- With training sessions you get control over the post-training logic without managing the underlying infrastructure.
- SageMaker AI handles GPU allocation, distributed execution, fault recovery, and checkpoint storage.
- The low-level API surface, direct control over the forward and backward passes, sampling, and the optimizer step gave our scientists the fine-grained control they need to pursue reinforcement learning on a demanding, accuracy-critical use case.
AI 洞察
这条消息的实质是把后训练工程从自建基础设施的繁重工作变成平台托管服务。多轮强化学习微调此前需要同时搭建训练与推理环境,并手写分布式配置,门槛极高;托管化之后,中小团队也能为垂直任务定制开放权重模型。竞争焦点正从托管基础模型 API 转向托管定制流水线,而 agent skills 直接嵌入 Claude Code、Codex、Copilot 等外部 IDE,说明云厂商不再强绑定自家开发入口,而是争夺开发者已有的工作流;对企业来说,差异化会从是否能训练模型,转向数据质量与评估标准。