- Machine Learning›
- Amazon SageMaker AI›
- Modellanpassung
Modellanpassung mit Amazon SageMaker AI
Verkürzen Sie die Dauer der Anpassung von KI-Modellen von Monaten auf Tage –mit serverlosem Reinforcement Learning und einem von KI-Agenten gestützten Workflow.
Vorteile der Modellanpassung mit Amazon SageMaker AI
KI-Entwickler können mit Amazon SageMaker AI gängige Modelle wie Amazon Nova, Llama, Qwen, DeepSeek und GPT-OSS innerhalb weniger Tage und mit modernsten Techniken wie Reinforcement Learning anpassen. Sie können die benutzerfreundliche Oberfläche oder den von KI-Agenten gestützten Workflow (Vorschau) verwenden, um schnell Anforderungen festzulegen, synthetische Daten zu generieren, die Datenqualität zu analysieren und Modelle auf Genauigkeit zu überprüfen – und das alles komplett serverlos, sodass Sie sich auf Innovationen konzentrieren können, anstatt auf die Verwaltung der Infrastruktur.
Vorteile
Beschleunigte Modellanpassung mit maximaler Genauigkeit
Mit einer benutzerfreundlichen Oberfläche oder einem von KI-Agenten gesteuerten Workflow (Vorschau) können Sie den gesamten Workflow für die Modellanpassung von der Datenvorbereitung bis zur Bereitstellung abschließen und die Dauer des Prozesses von Monaten auf Tage verkürzen.
Nutzen Sie die breiteste Palette an Anpassungstechniken, darunter Reinforcement Learning aus KI-Feedback (RLAIF) und aus verifizierbaren Belohnungen (RLVR), Supervised Fine Tuning (SFT) und Direct Preference Optimization (DPO) – alles über eine benutzerfreundliche Oberfläche mit integrierten bewährten Methoden oder einem von KI-Agenten gestützten Workflow (Vorschau).
Definieren Sie Ihren Anwendungsfall für die Modellanpassung im Handumdrehen in natürlicher Sprache, und überlassen Sie die Erstellung der Spezifikation einem KI-Agenten. Der KI-Agent hilft Ihnen dabei, synthetische Daten zu generieren, die Datenqualität zu analysieren, Modelle zu optimieren und die Leistung der Modelle auf der Grundlage Ihres Anwendungsfalls und Ihrer Erfolgsgrundsätze zu bewerten.
Konzentrieren Sie sich auf die Modellentwicklung statt auf die Verwaltung der Infrastruktur – mit einer umfassenden Modellanpassung, die vollständig serverlos ist. SageMaker AI übernimmt automatisch die Bereitstellung, Skalierung und Optimierung von Rechenressourcen, sodass Sie sich nicht darum kümmern müssen.
Modellanpassung leicht gemacht
Umfassende Funktionen zur Anpassung von Modellen im gesamten Workflow
Generierung synthetischer Daten (Vorschau)
Wenn die realen Daten begrenzt sind, können Sie problemlos synthetische Daten generieren. Bei Bedarf generiert der KI-Agent in SageMaker AI Datensätze auf der Grundlage von Datenbeispielen und kontextbezogenen Dokumenten in dem für Ihre gewählte Modellanpassungstechnik erforderlichen Format und der erforderlichen Struktur.
Fortgeschrittene Anpassungstechniken
SageMaker AI unterstützt die neuesten Techniken zur Modellanpassung, darunter Supervised Fine-Tuning (SFT), Direct Preference Optimization (DPO) und Reinforcement Learning aus KI-Feedback (RLAIF) sowie aus verifizierbaren Belohnungen (RLVR).
Vollständig serverlose Modellanpassung
SageMaker AI wählt automatisch auf der Grundlage des Modells und der Datengröße die geeigneten Rechenressourcen aus und stellt sie bereit – und das alles, ohne dass Sie Instances auswählen und verwalten müssen.
Inferenz
Sobald Sie die gewünschte Genauigkeit und die Leistungsziele erreicht haben, können Sie Modelle mit wenigen Klicks in die Produktion überführen – entweder an SageMaker-AI-Inferenz-Endpunkte oder an Amazon Bedrock für serverlose Inferenz.
LLMOPs
Sie können alle kritischen Testmetriken automatisch protokollieren, ohne einen Tracking-Server bereitzustellen oder Code zu ändern. Durch die Integration mit MLflow stehen zudem umfangreiche Visualisierungen und ein Zugang zur MLflow-Benutzeroberfläche für weitere Analysen zur Verfügung.
Anwendungsfälle
Gestalten Sie Ihr KI-Modell so, dass es der Stimme und dem Tonfalls Ihres Unternehmens entspricht und bei jeder Reaktion konsistent zu Ihrem Stil passt.
Trainieren Sie Ihr KI-Modell, sodass es Antworten generiert, die Benutzer bevorzugen. Sammeln Sie Feedback zu mehreren Antwortmöglichkeiten und optimieren Sie das Modell, damit konsistent die am stärksten bevorzugten Ergebnisse erzielt werden.
Machen Sie aus Ihrem KI-Modell einen Experten für Ihre Branche. Vermitteln Sie ihm Branchenwissen, damit es Ihre Fachbegriffe, Anforderungen und bewährten Methoden versteht.
Benutzerfreundliche Oberfläche
Wenn Sie mehr Kontrolle und Flexibilität benötigen, können Sie die benutzerfreundliche Oberfläche verwenden, um Kriterien für die Modellbewertung zu identifizieren, ein Modell und eine Anpassungstechnik auszuwählen, den Bedarf im Hinblick auf die Datenverbesserung zu ermitteln und Modelle bereitzustellen.
Von KI-Agenten gestützter Workflow (Vorschau)
Vermitteln Sie Ihren Anwendungsfall in natürlicher Sprache. Ein KI-Agent generiert eine Spezifikation, die Datensatzrichtlinien, Bewertungskriterien, zugehörige Metriken und ein Anpassungstechnik enthält.
Im Fall von Datensatzlücken unterstützt der KI-Agent Sie bei der Generierung synthetischer Daten. Sie können die Spezifikation genehmigen oder sich weiter mit dem Agenten austauschen, um die Anwendungsfallspezifikation weiter zu verfeinern, bevor Sie mit dem Training des Modells beginnen.
Kunden
Warum unsere Kunden Amazon SageMaker AI für die Modellanpassung wählen
Collinear AI
„Bei Collinear erstellen wir kuratierte Datensätze und Simulationsumgebungen, mit denen zukunftsorientierte KI-Labore und Fortune-500-Unternehmen ihre Modelle verbessern können. Die Feinabstimmung von KI-Modellen ist für die Erstellung von extrem genauen Simulationen von entscheidender Bedeutung. Früher musste hierfür ein Mix aus verschiedenen Systemen für Training, Bewertung und Bereitstellung genutzt werden. Mit der neuen Funktion zur serverlosen Modellanpassung von Amazon SageMaker AI haben wir jetzt eine einheitliche Methode, die es uns ermöglicht, unsere Testzyklen von Wochen auf Tage zu verkürzen. Diese umfassenden serverlosen Tools helfen uns, uns auf das Wesentliche zu konzentrieren: bessere Trainingsdaten und Simulationen für unsere Kunden zu entwickeln, anstatt die Infrastruktur zu warten oder mit unterschiedlichen Plattformen zu jonglieren.“
Soumyadeep Bakshi – Mitbegründer von Collinear AI
Robin AI
„Bei Robin definieren wir die Rolle der Rechtsabteilung in der modernen Wirtschaft neu und nutzen KI, um bessere Entscheidungen, schnellere Maßnahmen und nachhaltiges Wachstum zu fördern. Damit wir unseren Mandanten eine bessere Entscheidungsfindung ermöglichen können, müssen unsere KI-Modelle Verträge auf die gleiche Art und Weise wie Anwälte verfassen – vom spezifischen Format über den Tonfall bis hin zu den Präferenzen der einzelnen Anwälte. Früher war das Anpassen von Modellen mithilfe von geschützten Daten ein umständlicher und fehleranfälliger Prozess. Dank der neuen Funktion zur serverlosen Modellanpassung in Amazon SageMaker AI können wir jetzt innerhalb weniger Tage mit fortgeschrittenen Techniken wie Reinforcement Learning mit verifizierbaren Belohnungen experimentieren. Darüber hinaus freuen wir uns darauf, den von KI-Agenten gestützten Workflow auszuprobieren, damit wir unsere Annahmen vergleichen und überprüfen können, um Anwälten auf der ganzen Welt zu helfen, schneller bessere Entscheidungen zu treffen.“
Diana Mincu – Director of Research bei Robin AI
Ressourcen
Haben Sie die gewünschten Informationen gefunden?
Ihr Beitrag hilft uns, die Qualität der Inhalte auf unseren Seiten zu verbessern.