Amazon SageMaker AI 训练会话正式可用:自写训练循环与奖励,无需自管 GPU
AWS 宣布 SageMaker AI 无服务器模型定制新增训练会话(training sessions)正式可用:用户自写训练循环、损失与奖励,由平台负责 GPU 分配、分布式执行、故障恢复与检查点。
AWS Machine Learning Blog 2026 年 10 月 22 日宣布,Amazon SageMaker AI 无服务器模型定制能力扩展,训练会话(training sessions)正式可用。目标场景是企业不想只拿现成基础模型,而要用强化学习等后训练手段,把模型适配到自家业务上下文、产品目录或专业词汇;同时又不想自己选机型、管集群、写分布式配置。
训练会话的定位是:你控制后训练逻辑,平台管底层算力。可以编写并协调训练循环,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。支持的技术路径包括 SFT、DPO、RLVR、RLAIF 以及多轮强化学习,也可选择 LoRA 或全量微调,并串成持续定制。官方还提供 cookbook 与模型定制 agent skills,可在 SageMaker Studio、Kiro、Claude Code、Codex 或 GitHub Copilot 里描述用例,由智能体协助数据准备、技术选择、训练、评估与部署。
文中举例 Group Relative Policy Optimization(GRPO):对同一提示采样多条回复,在你的环境里打分,再把分数送回 trainer,用 forward_backward() 与 optim_step() 更新权重,并刷新 sampler 进入下一批。计费按 SageMaker 处理的 token,奖励函数在你环境里打分时不计费,也无需预留容量。数据与检查点落在你指定区域的 S3,可用自有 IAM 角色、KMS 密钥与 VPC;AWS 表示不会用你的数据或定制权重去训练其他模型。当前支持的模型包括 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 与 Qwen3.8-27B。
flowchart TD
L[你的训练循环 / 奖励函数] --> S[Sampler 生成回复]
S --> R[环境内打分]
R --> T[Trainer 计算梯度并更新]
T --> S
T --> CK[检查点写入自有 S3]
ImagineSoftware 与 Karini AI 的客户引言分别提到医疗拒赔分诊与多轮工具调用微调场景。对需要“自定 RL 逻辑、但不想养 GPU 集群”的算法与平台团队,训练会话把可控点放在循环与奖励上,把运维点收回到托管执行层。