摘要
AWS 宣布 SageMaker AI 的無伺服器模型客製化（training sessions）正式可用，開發者可在不管理 GPU 或基礎設施的前提下對開放權重模型做後訓練客製化。功能包括自行編排訓練迴圈、實作自訂損失或獎勵訊號，而 GPU 配置、分散式執行、故障復原與檢查點交由 SageMaker 處理。支援 SFT、DPO、RLVR、RLAIF 與多輪 RL，可選 LoRA 部分更新或全量微調，並串接多個客製化步驟。官方同時提供 cookbook、agent skills 與部署流程，支援 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B、Qwen3.8-2…
重點整理
- 企業可更快針對自家資料微調開源模型；開發者則需改為熟悉資料準備與評估流程，而非硬體維運。
- 中小團隊可用使用量計價做客製化，不必先養一批 GPU 或維運分散式訓練。
編輯說明
本頁是 Code & Chain 對公開來源的編輯摘要，可能使用 AI 輔助整理並經自動化流程發布。請以原始來源為準；內容不構成投資、法律或稅務建議。