Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Kustomisasi model
Kustomisasi model Amazon SageMaker AI memungkinkan Anda menyesuaikan model dasar dengan kasus penggunaan spesifik Anda dengan melatihnya pada data Anda. Anda memilih teknik penyesuaian (bagaimana model belajar), jenis pelatihan (berapa banyak model yang akan diperbarui), dan opsi infrastruktur (tempat menjalankan pekerjaan).
Gambaran umum
Teknik penyesuaian menentukan bagaimana model Anda belajar dari data:
SFT (Diawasi Fine-Tuning) - Berlatih pada pasangan respon cepat berlabel. Lihat SFT.
DPO (Direct Preference Optimization) — Latih pasangan respons yang disukai vs yang ditolak. Lihat DPO.
RFT (Penguatan Fine-Tuning) — Optimalkan melalui sinyal hadiah (RLVR atau RLAIF). Lihat RFT.
MTRL (Reinfor Multi-Turn cement Learning) — Latih agen untuk tugas agen multi-langkah. Lihat Multi-turn pembelajaran penguatan.
Kustomisasi Ber kelanjutan - Teknik rantai secara berurutan. Lihat Kustomisasi berkelanjutan.
Jenis pelatihan menentukan berapa banyak model yang akan diperbarui:
Opsi infrastruktur mengontrol tempat pekerjaan pelatihan Anda berjalan:
Tanpa server - Sepenuhnya dikelola, tidak ada pemilihan instance. Terbaik untuk eksperimen cepat dan pekerjaan produksi tanpa overhead operasi. Lihat Kustomisasi model tanpa server.
SageMaker Pekerjaan Pelatihan AI — Pekerjaan sementara di mana Anda memilih jenis instans. Menggunakan Resep untuk pelatihan pra-konfigurasi. Lihat SageMaker Lowongan AI Training.
HyperPod— Cluster persisten dengan pemulihan kesalahan. Menggunakan Resep untuk pelatihan terdistribusi di EKS atauSlurm. Lihat HyperPod.
Memilih pendekatan Anda
Sebelum menyempurnakan, pertimbangkan apakah pendekatan yang lebih sederhana memenuhi kebutuhan Anda:
- Rekayasa yang Cepat
Model Anda memberikan jawaban yang dapat diterima tetapi membutuhkan nada, format, atau gaya yang lebih baik. Tidak diperlukan pelatihan — iterasi cepat. Lihat Rek ayasa cepat untuk model pondasi.
- RAG (Pengambilan Generasi Augmented)
Model Anda tidak memiliki pengetahuan tentang domain spesifik Anda. Tambah dengan sumber pengetahuan eksternal tanpa pelatihan ulang. Lihat Peng ambilan Augmented Generation.
- Fine-tuning
Model Anda perlu secara konsisten mempelajari perilaku, gaya, atau keahlian domain baru. Latih data Anda untuk mengubah bobot model. Lanjutkan membaca panduan ini.
Model yang didukung untuk penyempurnaan
Model berikut tersedia untuk penyesuaian di seluruh tanpa server, Pekerjaan SageMaker Pelatihan AI, dan HyperPod infrastruktur.
| Penyedia | Model | Model ID | Nirserver | Lowongan Kerja Pelatihan | HyperPod |
|---|---|---|---|---|---|
| Alibaba | Qwen3.6 27B | huggingface-vlm-qwen3-6-27b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3.5 27B | huggingface-vlm-qwen3-5-27b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3.5 9B | huggingface-vlm-qwen3-5-9b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3.5 4B | huggingface-vlm-qwen3-5-4b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3 32B | huggingface-reasoning-qwen3-32b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3 14B | huggingface-reasoning-qwen3-14b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3B | huggingface-reasoning-qwen3-8b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3B | huggingface-reasoning-qwen3-4b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3 1.7B | huggingface-reasoning-qwen3-1-7b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3 0,6B | huggingface-reasoning-qwen3-06b | ✓ | ✓ | ✓ |
| Alibaba | Qwen2.5 Instruksikan 72B | huggingface-llm-qwen2-5-72b-instruct | ✓ | ✓ | ✓ |
| Alibaba | Qwen2.5 Instruksikan 32B | huggingface-llm-qwen2-5-32b-instruct | ✓ | ✓ | ✓ |
| Alibaba | Qwen2.5 Instruksikan 14B | huggingface-llm-qwen2-5-14b-instruct | ✓ | ✓ | ✓ |
| Alibaba | Qwen2.5 Instruksikan 7B | huggingface-llm-qwen2-5-7b-instruct | ✓ | ✓ | ✓ |
| DeepSeek | R1 Distilasi Qwen 32B | deepseek-llm-r1-distill-qwen-32b | ✓ | ✓ | ✓ |
| DeepSeek | R1 Distilasi Qwen 14B | deepseek-llm-r1-distill-qwen-14b | ✓ | ✓ | ✓ |
| DeepSeek | R1 Distilasi Qwen 7B | deepseek-llm-r1-distill-qwen-7b | ✓ | ✓ | ✓ |
| DeepSeek | R1 Distilasi Qwen 1.5B | deepseek-llm-r1-distill-qwen-1-5b | ✓ | ✓ | ✓ |
| DeepSeek | R1 Distilasi Llama 70B | deepseek-llm-r1-distill-llama-70b | ✓ | ✓ | ✓ |
| DeepSeek | R1 Distilasi Lama 8B | deepseek-llm-r1-distill-llama-8b | ✓ | ✓ | ✓ |
| Gemma 4 31B | huggingface-vlm-gemma-4-31b-it | ✓ | ✓ | ✓ | |
| Gemma 4 26B A4B | huggingface-vlm-gemma-4-26b-a4b-it | ✓ | ✓ | ✓ | |
| Gemma 4 E4B | huggingface-vlm-gemma-4-e4b-it | ✓ | ✓ | ✓ | |
| Meta | Llama 3.3 Instrukt 70B | meta-textgeneration-llama-3-3-70b-instruct | ✓ | ✓ | ✓ |
| Meta | Llama 3.2 Instruksi 3B | meta-textgeneration-llama-3-2-3b-instruct | ✓ | ✓ | ✓ |
| Meta | Llama 3.2 Instruksi 1B | meta-textgeneration-llama-3-2-1b-instruct | ✓ | ✓ | ✓ |
| Meta | Llama 3.1 Instruksi 8B | meta-textgeneration-llama-3-1-8b-instruct | ✓ | ✓ | ✓ |
| NVIDIA | Nemotron 3 Super 120B (A12B) | huggingface-llm-nvidia-nemotron-3-super-120b-a12b-bf16 | ✓ | ✓ | ✓ |
| NVIDIA | Nemotron 3 Nano 30B (A3B) | huggingface-reasoning-nvidia-nemotron-3-nano-30b-a3b-bf16 | ✓ | ✓ | ✓ |
| OpenAI | GPT OSS 120B | openai-reasoning-gpt-oss-120b | ✓ | ✓ | ✓ |
| OpenAI | GPT OSS 20B | openai-reasoning-gpt-oss-20b | ✓ | ✓ | ✓ |
Untuk model Amazon Nova, lihat panduan Nova di bawahKustomisasi model tanpa server.
