SageMaker AI 训练会话正式可用
热点事件观察中
SageMaker AI 训练会话正式可用
2 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
AWS 宣布 Amazon SageMaker AI 无服务器模型定制的训练会话正式可用。用户可在本地 Python 中自行编写训练循环，包括自定义损失函数和奖励信号；GPU 分配、分布式执行、故障恢复与检查点存储由 SageMaker AI 负责，模型在托管 GPU 上保持加载，用户无需自行管理 GPU。 计费按 SageMaker AI 处理的 token 数计算，不预留容量；当奖励函数在用户环境中为一批数据打分时，计费暂停。运行中的会话会占用并发会话配额，直到调用 stop() 或会话过期，因此用户需在结束时停止会话，包括在错误处理路径中。 该功能目前支持 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 和 Qwen3.8-27B，各模型可用区域见训练会话 API 文档。用户需在 Linux 或 macOS 上安装 SageMaker Python SDK（Python 3.10 至 3.12）并克隆 cookbook 后开始开发。
AI 根据报道生成 · 1 天前更新
最新进展10月23日 02:00
AWS 为 SageMaker AI 无服务器模型定制推出训练会话并正式可用报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- AWS Machine Learning BlogAWS 为 SageMaker AI 无服务器模型定制推出训练会话并正式可用
AWS 宣布 SageMaker AI 无服务器模型定制的训练会话正式可用，用户可自行编写并协调训练循环，包括自定义损失函数和奖励信号，GPU 分配、分布式执行、故障恢复与检查点存储由 SageMaker AI 负责。
- AWS Machine Learning BlogAWS 推出 SageMaker AI 训练会话 API，可自写训练循环而无需管理 GPU
AWS 发布 Amazon SageMaker AI 训练会话 API，把 forward_backward、optim_step、sample 等操作变成 API 调用，模型在托管 GPU 上保持加载，用户只需在本地 Python 中编写训练循环。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。