AWS：AI定制提速！精准率暴增66%，数月变数天。

AI效率挑战日益凸显，尤其是在部署大规模人工智能（AI）应用时，其高昂的运行成本和资源消耗成为企业关注的焦点。对于AI代理而言，由于其在解决问题、利用工具和跨系统协调过程中需要更强的推理能力，因此对推理性能的需求也更高。目前，多数企业倾向于使用功能最强大、模型体积最大的模型来驱动其AI代理。然而，AI代理的 상당一部分时间用于执行日程检查、文档搜索等常规任务，这些任务并不需要最高级的智能。这导致了不必要的成本增加、响应速度变慢以及资源浪费。

新媒网跨境了解到，解决方案在于模型定制：通过对更小、更专业的模型进行定制，使其能够高效处理AI代理最常执行的工作，从而实现更快的响应速度、更高的准确性和更低的运行成本。然而，在此之前，强化学习等高级定制技术需要深厚的机器学习专业知识、庞大的基础设施支持以及数月甚至更长的开发周期。

亚马逊云科技（AWS）近期宣布推出Amazon Bedrock与Amazon SageMaker AI的多项新功能，旨在使任何组织的开发人员都能够更便捷地使用高级模型定制技术。Amazon Bedrock中的强化微调（Reinforcement Fine Tuning, RFT）以及Amazon SageMaker AI中基于强化学习的无服务器模型定制功能，简化了创建高效AI的流程。这些定制模型与基础模型相比，具备更快的运行速度、更高的成本效益和更精确的性能。通过降低这些技术的使用门槛，亚马逊云科技正助力各类规模的组织更轻松地构建满足其业务需求的定制AI代理。

Amazon Bedrock简化日常开发者的RFT实践

复杂的定制技术曾是构建高效定制模型的障碍。以强化学习为例，它通过人类或另一个模型的反馈来训练模型，对“良好行为”进行强化，对“不良行为”进行纠正。这种方法特别适用于推理和复杂工作流程，因为它奖励的是正确的处理过程，而不仅仅是正确答案。然而，强化学习通常需要复杂的训练流水线、大规模计算资源，以及获取昂贵的人工反馈或强大的AI模型来评估每一个响应。

Amazon Bedrock上的RFT功能简化了模型定制流程，使所有组织的开发者都能使用这项技术。Amazon Bedrock是一个全托管的AI平台，为客户提供来自领先AI公司的高性能基础模型，并具备构建代理和生成式AI应用的能力，同时集成安全、隐私和负责任的AI功能。根据官方数据，Amazon Bedrock上的RFT平均可使模型准确率比基础模型提高66%，这意味着企业可以使用更小、更快、更具成本效益的模型获得更优结果，而无需依赖体积庞大且昂贵的模型。

其操作流程相对简单：开发者选择基础模型，将其指向其调用日志（即AI的历史记录），或上传数据集。然后，他们选择一个奖励函数——可以是基于AI的、基于规则的，或使用预设模板。Amazon Bedrock中的自动化工作流会端到端地处理微调过程。这意味着，即使没有深厚的机器学习博士背景，只要对业务所需的“良好结果”有清晰的理解，即可进行操作。RFT在Amazon Bedrock上线初期将支持Amazon Nova 2 Lite模型，未来将兼容更多模型。

包括Salesforce和Weni by VTEX在内的客户已经通过使用Amazon Bedrock上的RFT实现了准确性和效率的提升。Salesforce公司Agentforce软件工程高级副总裁Phil Mui表示：“亚马逊云科技在Amazon Bedrock强化微调方面的基准测试显示出可观的结果，在满足我们特定业务需求方面，其准确性比基础模型提高了高达73%。我们期望利用RFT来增强和扩展我们通过监督式微调已达到的效果，从而为客户提供更精确、更定制化的AI解决方案。这种方法补充了我们现有的AI开发工作流程，同时保持了Salesforce在质量和安全方面的高标准。”

Amazon SageMaker AI将模型定制周期从数月缩短至数天

对于那些需要对AI工作流有更高控制度的团队，Amazon SageMaker AI提供了专业的解决方案。AI开发者选择SageMaker AI进行定制的原因在于，它能让他们全面控制大规模构建、训练和部署最高性能模型的过程。

自2017年推出以来，SageMaker AI持续提升AI开发工作流的速度和效率。然而，随着组织寻求使用更高级的定制技术，他们也希望获得更无缝的体验，以消除耗时数月的工作障碍，例如基础设施管理和合成数据生成，从而能够专注于为客户开发更好的成果。为此，SageMaker AI现在支持全新的无服务器模型定制功能，使得模型定制的周期可缩短至数天。

用户有两种体验模式可供选择：一种是即将推出的代理引导式体验（预览版），它使用AI代理引导开发者完成模型定制过程；另一种是自主引导式方法，适用于那些希望完全掌控流程的用户。通过代理引导式体验，开发者可以用自然语言描述其需求，AI代理将引导其完成从生成合成数据到评估的整个定制过程。而希望获得精细控制和灵活性的开发者则可以选择自主引导式体验。这种方式消除了基础设施管理负担，同时提供了选择定制技术和调整参数的工具。

无论选择哪种选项，开发者都可以访问各种高级定制技术，包括从AI反馈中进行强化学习、可验证奖励强化学习、监督微调以及直接偏好优化等。新版SageMaker AI功能将支持Amazon Nova以及Llama、Qwen、DeepSeek、GPT-OSS等主流开源模型，为客户提供了广泛的选择，以匹配不同用例的需求。

包括Collinear AI、Robin AI和Vody在内的多家客户已开始利用SageMaker AI的新功能简化模型定制过程。例如，Collinear AI作为一家为企业生成式AI构建AI改进平台的公司，通过使用SageMaker AI节省了数周时间。Collinear AI的联合创始人Soumyadeep Bakshi表示：“微调AI模型对于创建高保真模拟至关重要，而过去这需要将不同的系统进行整合以实现训练、评估和部署。现在，借助Amazon SageMaker AI全新的无服务器模型定制能力，我们拥有了一个统一的平台，能够将实验周期从数周缩短至数天。这种端到端的无服务器工具帮助我们专注于核心工作：为客户构建更好的训练数据和模拟，而不是维护基础设施或管理分散的平台。”

有关这些功能的更多详细信息，可查阅亚马逊云科技新闻博客以及RFT在Amazon Bedrock和SageMaker AI模型定制的产品页面。

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/aws-ai-custom-speed-acc-66-months-to-days.html