НОВОСТЬ · MODELS · #3893
Amazon SageMaker добавляет полное дообучение (FFT) в Serverless Model Customization
SageMaker AI Serverless Model Customization теперь поддерживает полное дообучение моделей (FFT), позволяя выполнять дообучение всех параметров (в т.ч. через SFT на Qwen3-4B) без аренды GPU или настройки кластеров. В публикации SageMaker утверждает, что FFT превосходит PEFT-подходы вроде LoRA на больших наборах данных — указывая примерно 90,0% по LLM-as-Judge для задач с кодом при >100k примеров — и приводит эксперименты и рекомендации по настройке.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- SageMaker AI Serverless Model Customization теперь поддерживает полное дообучение моделей (FFT), позволяя выполнять дообучение всех параметров (в т.ч.
- через SFT на Qwen3-4B) без аренды GPU или настройки кластеров.
- В публикации SageMaker утверждает, что FFT превосходит PEFT-подходы вроде LoRA на больших наборах данных — указывая примерно 90,0% по LLM-as-Judge для задач с кодом при >100k примеров — и приводит эксперименты и рекомендации по настройке.
ПОЧЕМУ ЭТО ВАЖНО
Serverless-реализация FFT устраняет необходимость в управлении инфраструктурой для полного дообучения и может заметно повысить качество моделей на больших данных по сравнению с PEFT-методами, такими как LoRA.