Настройка моделей Nova в SageMaker AI: новые «рецепты»

<div> <h2>Amazon SageMaker AI теперь позволяет тонко настроить модели Nova</h2> <p>Amazon анонсировала новую возможность кастомизации семейства foundation-моделей Nova прямо в SageMaker AI. Теперь вы можете адаптировать Nova Micro, Nova Lite и Nova Pro на протяжении всего цикла обучения: от предварительного обучения до тонкой настройки и выравнивания поведения модели.</p> <p>Самое приятное — все техники уже упакованы в готовые «рецепты» SageMaker. Нужно лишь выбрать подходящий и запустить. Результат легко развернуть через Amazon Bedrock как для мгновенных запросов, так и для заданного уровня пропускной способности.</p> <p>Доступны четыре ключевых подхода к кастомизации: </p><ul> <li><strong>Supervised Fine-Tuning</strong> (полная или параметр-эффективная тонкая настройка),</li> <li><strong>Direct Preference Optimization</strong> (настройка на предпочтения через примеры "нравится/не нравится"),</li> <li><strong>Proximal Policy Optimization</strong> (усиленное обучение с подкреплением для нужного поведения),</li> <li><strong>Continued Pre-Training</strong> и <strong>Knowledge Distillation</strong> (самообучение на своих данных и перенос знаний от «большой» модели к «легкой»).</li> </ul> <p>Каждая техника подходит под разные задачи. Хотите ускорить тренировку и сэкономить ресурсы — берите parameter-efficient fine-tuning. Нужна максимальная точность — выбирайте полный fine-tuning. А чтобы модель говорила в вашем фирменном стиле, примените DPO или PPO.</p> <p>Первые бета‑пользователи — от MIT CSAIL до Volkswagen и команд поддержки Amazon — уже проверили новые возможности. Если хотите персонализировать Nova под свои данные и требования, самое время начать эксперименты в консоли SageMaker AI.</p> </div>