Controle total sobre o loop de treinamento, sem gerenciar infraestrutura
A AWS anunciou que o Amazon SageMaker AI agora oferece suporte a APIs de sessão de treinamento para customização serverless de modelos. A novidade dá às equipes controle completo sobre o algoritmo de pós-treinamento, sem a necessidade de provisionar ou gerenciar infraestrutura de GPU.
Como funciona
Até então, o SageMaker AI já disponibilizava técnicas gerenciadas — como Ajuste Fino Supervisionado (SFT), Otimização de Preferência Direta (DPO) e outros métodos de aprendizado por reforço — onde o cliente simplesmente escolhia a técnica e o modelo, e o serviço cuidava de todo o treinamento.
Com as novas APIs de sessão de treinamento, o cenário muda: as equipes passam a escrever o próprio loop de treinamento. Isso abre espaço para reproduzir SFT ou DPO com lógica própria, implementar uma função de perda customizada, criar um novo sinal de recompensa para aprendizado por reforço, definir um currículo de dados ou aplicar um algoritmo diretamente da literatura científica mais recente.
Operações como forward_backward(), optim_step() e sample() tornam-se chamadas de API contra uma sessão ativa e stateful. Com isso, o time compõe o procedimento de treinamento que precisar, enquanto o SageMaker AI cuida de:
- Alocação de GPU
- Carregamento do modelo e do LoRA
- Execução distribuída
- Recuperação de falhas
- Armazenamento de checkpoints
- Segurança
Modelo de cobrança e cookbook de receitas
A cobrança é feita por token processado, o que significa que computações locais — como o cálculo de pontuação de recompensa — não são tarifadas como tempo de GPU. Isso representa um modelo mais justo para fluxos de trabalho que combinam processamento local com execução remota.
Junto com as APIs, a AWS também está lançando o SageMaker Training Sessions Cookbook, um conjunto de receitas prontas para execução de SFT e aprendizado por reforço que podem ser usadas como ponto de partida para loops de treinamento personalizados.
Disponibilidade e como começar
As APIs de sessão de treinamento estão disponíveis para uso geral nas seguintes regiões:
- US East (N. Virginia)
- US West (Oregon)
- Asia Pacific (Mumbai)
Para começar, basta instalar o SDK Python do SageMaker e clonar o cookbook, ou abrir um notebook no SageMaker Studio e conectar um agente de codificação. Mais detalhes estão disponíveis na documentação oficial e na página do Amazon SageMaker AI.
Fonte
Amazon SageMaker AI announces training session APIs for serverless model customization (https://aws.amazon.com/about-aws/whats-new/2026/10/training-session-apis-on-sagemaker-ai)
Leave a Reply