亚马逊为SageMaker AI的定制化后训练推出正式可用的训练会话功能

训练会话让用户摆脱了哪些负担

训练会话让客户能够掌控后训练逻辑，而无需管理其底层基础设施。用户自行编写和协调训练循环，包括自定义损失函数或奖励信号。SageMaker AI负责GPU分配、分布式执行、故障恢复和检查点存储。

由于该服务是无服务器的，用户无需选择实例类型、管理集群或编写分布式训练配置。亚马逊将此描述为一种无需承担基础设施管理负担即可定制模型的方式。

为何团队转向定制开放权重模型

公告称，正在从AI中获得实际成效的机构，越来越多地定制开放权重模型（任何人都可下载其训练参数的模型），而不是仅依赖现成的基础模型。强化学习等后训练技术在这类工作中占据突出地位。

文中指出，基于公司业务背景、产品目录或临床术语训练的模型，可以在其任务上更加准确，且运行成本更低。对于智能体而言，数据、工作流、评估和成功标准同样会影响模型的行为方式。

多轮强化学习及其基础设施需求

公告指出，多轮强化学习是智能体训练中的一项重要转变。处理预订差旅、分类支持工单或执行多步研究等任务的智能体，需要经过多轮交互后，其结果才能被评判。

当训练、推理、评分以及下一次更新分别运行在不同的基础设施上，且每个阶段需要不同的算力时，此类循环会迅速变得复杂。公告称，SageMaker AI已将多轮强化学习作为一项托管式无服务器技术提供。

可用的技术与工具

客户可以应用SFT、DPO、RLVR、RLAIF或多轮强化学习。他们可以通过低秩适配（LoRA）或全量微调来选择更新模型的范围，并能够在持续定制中将多种技术串联使用。

智能体可以接收用例描述，并负责数据准备、技术选择、训练、评估和部署。据公告介绍，该智能体可在SageMaker Studio、Kiro、Claude Code、Codex或GitHub Copilot中运行，ImagineSoftware数据科学高级副总裁Rob Gontarek对此表示支持。

待解问题

• 除所列技术外，文中描述的工作流有多少已经可用？