モデルのカスタマイズ

SFT (Supervised Fine-Tuning) — ラベル付きプロンプトとレスポンスのペアをトレーニングします。「SFT」を参照してください。

DPO (Direct Preference Optimization) — 優先レスポンスペアと拒否レスポンスペアをトレーニングします。「DPO」を参照してください。

RFT (強化ファインチューニング) — 報酬シグナル (RLVR または RLAIF) を介して最適化します。「RFT」を参照してください。

MTRL (Multi-Turn Reinforcement Learning) — 複数ステップのエージェントタスク用にエージェントをトレーニングします。「マルチターン強化学習」を参照してください。

継続的カスタマイズ — 手法を順番に連鎖させます。「継続的なカスタマイズ」を参照してください。

LoRA (低ランク適応) — アダプターの重みの小さなセットをトレーニングします。低コストでより高速なトレーニング。「LoRA」を参照してください。

FFT (完全ファインチューニング) — すべてのモデルの重みを更新します。コンピューティングの向上、より深いカスタマイズ。「FFT」を参照してください。

サーバーレス — 完全マネージド型、インスタンス選択なし。オペレーションのオーバーヘッドなしでの迅速な実験や本番稼働用ジョブに最適です。「サーバーレスモデルのカスタマイズ」を参照してください。

SageMaker AI トレーニングジョブ — インスタンスタイプを選択するエフェメラルジョブ。事前設定されたトレーニングにレシピを使用します。「SageMaker AI トレーニングジョブ」を参照してください。

HyperPod — 障害復旧機能を備えた永続的クラスター。EKS または での分散トレーニングにレシピを使用しますSlurm。「HyperPod」を参照してください。