Amazon SageMaker AI 서버리스 모델 사용자 정의가 이제 학습 세션 API를 지원하여, 고객이 GPU 인프라를 프로비저닝하거나 관리할 필요 없이 학습 후 알고리즘을 완전히 제어할 수 있게 되었습니다. SFT, DPO 및 기타 강화 학습 방법을 포함한 관리형 기술을 통해 고객은 기술과 모델을 선택하고 SageMaker AI가 학습을 실행하도록 할 수 있습니다. 학습 세션 API를 사용하면 팀은 SFT 또는 DPO를 자체 조건으로 재현하거나 사용자 정의 손실, 새로운 RL 보상 신호, 데이터 커리큘럼 또는 최신 연구의 알고리즘을 구현하는 등 학습 루프를 작성할 수 있습니다. forward_backward(), optim_step(), sample()과 같은 작업은 라이브 상태 저장 세션에 대한 API 호출이 되므로, 고객은 SageMaker AI가 GPU 할당, 모델 및 LoRA 로딩, 분산 실행, 장애 복구, 체크포인트 저장 및 보안을 처리하는 동안 기술에 필요한 모든 학습 절차를 구성할 수 있습니다. 고객은 이러한 작업을 자체 Python 코드에서 직접 호출하여 라이브 세션에 대해 강화 학습, 지도 미세 조정 또는 사용자 정의 학습 목표를 구동할 수 있으며, 체크포인팅 및 재개가 내장되어 있습니다. 요금은 처리된 토큰당 부과되므로, 보상 점수와 같은 로컬 계산은 GPU 시간으로 청구되지 않습니다. SageMaker AI는 또한 고객이 자체 학습 루프의 청사진으로 사용할 수 있는 즉시 실행 가능한 SFT 및 RL 레시피 세트인 SageMaker 학습 세션 레시피를 출시합니다.학습 세션 API는 현재 US East (N. Virginia), US West (Oregon), Asia Pacific (Mumbai)에서 일반적으로 사용할 수 있습니다. 시작하려면 SageMaker Python SDK를 설치하고 레시피를 복제하거나, SageMaker Studio에서 노트북을 실행하고 코딩 에이전트를 연결하십시오. 자세한 내용은 설명서 및 Amazon SageMaker AI 웹페이지를 방문하십시오.