SageMaker AIの訓練セッションが一般提供

今回の発表は、マルチターンRLなどのマネージド手法をすでに提供していたSageMaker AIの既存のサーバーレスモデルカスタマイズを土台とする。AWSによると、顧客からは独自の損失関数の定義、報酬シグナルの設計、RL段階の1ループ内での連結など、より多くの制御を求める声があり、訓練セッションはそれに応えたものだ。

この設計はエージェント訓練の特定の課題に対処する。一方のインフラで応答をサンプリングし、別の環境で採点し、結果をフィードバックするループでは、別々のツールやクラスタをつなぐ必要が生じうる。訓練セッションでは顧客のコードが訓練ループと報酬関数を実行し、SageMaker AIがサンプリングと勾配更新というGPU負荷の高い処理を担う。

初期利用者は要求の厳しいユースケースを挙げる。ImagineSoftwareは医療費請求拒否のトリアージモデルにこの機能を使い、順伝播・逆伝播と最適化ステップを直接制御できる点を評価した。Karini AIはAmazon Neptuneのナレッジグラフに対するマルチターンのツール呼び出し向けにgpt-oss-20bをファインチューニングし、CEOはチェックポイントと再開の信頼性を称賛した。AWSはまた、顧客データとカスタマイズした重みは顧客のS3バケットに留まり、別のモデルの訓練には使われないと説明する。規制産業にとって重要な点だ。