Modellanpassung

Mit der Amazon SageMaker AI-Modellanpassung können Sie Basismodelle an Ihren spezifischen Anwendungsfall anpassen, indem Sie sie anhand Ihrer Daten trainieren. Sie wählen eine Anpassungstechnik (wie das Modell lernt), einen Trainingstyp (wie viel des Modells aktualisiert werden soll) und eine Infrastrukturoption (wo der Job ausgeführt werden soll).

-Übersicht

Anpassungstechniken definieren, wie Ihr Modell aus Daten lernt:

• SFT (beaufsichtigt Fine-Tuning) — Trainieren Sie anhand von beschrifteten Prompt-Response-Paaren. Siehe SFT.

• DPO (Direct Preference Optimization) — Trainieren Sie anhand bevorzugter und abgelehnter Antwortpaare. Siehe DPO.

• RFT (Reinforcement Fine-Tuning) — Optimieren Sie mithilfe von Belohnungssignalen (RLVR oder RLAIF). Siehe RFT.

• MTRL (Multi-Turn Reinforcement Learning) — Trainieren Sie Agenten für mehrstufige Agentenaufgaben. Siehe Multi-turn verstärkendes Lernen.

• Kontinuierliche Anpassung — Techniken sequentiell verketten. Siehe Kontinuierliche Anpassung.

Die Trainingstypen bestimmen, wie viel Teil des Modells aktualisiert werden muss:

• LoRA(Low-Rank Anpassung) — Trainiert eine kleine Gruppe von Adaptergewichten. Niedrigere Kosten, schnelleres Training. Siehe LoRA.

• FFT (Voll Fine-Tuning) — Aktualisiert alle Modellgewichte. Höhere Rechenleistung, tiefere Anpassung. Siehe FFT.

Infrastrukturoptionen steuern, wo Ihr Trainingsjob abläuft:

• Serverlos — Vollständig verwaltet, keine Instanzauswahl. Ideal für schnelle Experimente und Produktionsaufträge ohne Betriebsaufwand. Siehe Serverlose Modellanpassung.

• SageMaker KI-Schulungsjobs — Kurzlebige Jobs, bei denen Sie den Instanztyp auswählen. Verwendet Rezepte für vorkonfiguriertes Training. Siehe SageMaker Jobs im Bereich KI-Ausbildung.

• HyperPod— Persistente Cluster mit Fehlerbehebung. Verwendet Rezepte für verteiltes Training auf EKS oderSlurm. Siehe HyperPod.

Wählen Sie Ihren Ansatz

Überlegen Sie sich vor der Feinabstimmung, ob ein einfacherer Ansatz Ihren Bedürfnissen entspricht:

Prompt-Engineering

Ihr Modell gibt akzeptable Antworten, benötigt jedoch einen besseren Ton, ein besseres Format oder einen besseren Stil. Keine Schulung erforderlich — schnelle Iteration. Informationen zu Fundamentmodellen finden Sie unter Prompt Engineering.

RAG (Retrieval Augmented Generation)

Ihrem Modell mangelt es an Wissen über Ihren spezifischen Bereich. Erweitern Sie Ihr Wissen um externe Wissensquellen ohne Umschulung. Siehe Retrieval Augmented Generation.

Fine-tuning

Ihr Modell muss ständig neue Verhaltensweisen, Stile oder Fachkenntnisse erlernen. Trainieren Sie anhand Ihrer Daten, um die Modellgewichte zu ändern. Lesen Sie diese Anleitung weiter.

Unterstützte Modelle für die Feinabstimmung

Die folgenden Modelle sind für Anpassungen in den Bereichen Serverless, SageMaker KI-Trainingsjobs und HyperPod Infrastruktur verfügbar.

Anbieter	Modell	Modell-ID	Serverless	Jobs im Bereich Ausbildung	HyperPod
Alibaba	Qwen3.6 27 B	huggingface-vlm-qwen3-6-27b	✓	✓	✓
Alibaba	Qwen3.5 27 B	huggingface-vlm-qwen3-5-27b	✓	✓	✓
Alibaba	Qwen3.5 9 B	huggingface-vlm-qwen3-5-9b	✓	✓	✓
Alibaba	Qwen3.5 4B	huggingface-vlm-qwen3-5-4b	✓	✓	✓
Alibaba	Qwen 3 32 B	huggingface-reasoning-qwen3-32b	✓	✓	✓
Alibaba	Qwen 3 14 B	huggingface-reasoning-qwen3-14b	✓	✓	✓
Alibaba	Qwen 3 8 B	huggingface-reasoning-qwen3-8b	✓	✓	✓
Alibaba	Qwen 3 4B	huggingface-reasoning-qwen3-4b	✓	✓	✓
Alibaba	Qwen 3 1,7 B	huggingface-reasoning-qwen3-1-7b	✓	✓	✓
Alibaba	Qwen3 0,6 B	huggingface-reasoning-qwen3-06b	✓	✓	✓
Alibaba	Qwen2.5 Instruktiere 72B	huggingface-llm-qwen2-5-72b-instruct	✓	✓	✓
Alibaba	Qwen2.5 Instruktiere 32B	huggingface-llm-qwen2-5-32b-instruct	✓	✓	✓
Alibaba	Qwen2.5 Instruktiere 14B	huggingface-llm-qwen2-5-14b-instruct	✓	✓	✓
Alibaba	Qwen2.5 Instruktiere 7B	huggingface-llm-qwen2-5-7b-instruct	✓	✓	✓
DeepSeek	R1 Qwen 32B destillieren	deepseek-llm-r1-distill-qwen-32b	✓	✓	✓
DeepSeek	R1 Destillieren Sie Qwen 14B	deepseek-llm-r1-distill-qwen-14b	✓	✓	✓
DeepSeek	R1 Destillieren Sie Qwen 7B	deepseek-llm-r1-distill-qwen-7b	✓	✓	✓
DeepSeek	R1 Destillieren Sie Qwen 1,5 B	deepseek-llm-r1-distill-qwen-1-5b	✓	✓	✓
DeepSeek	R1 Destillieren Sie Lama 70B	deepseek-llm-r1-distill-llama-70b	✓	✓	✓
DeepSeek	R1 Destilliere Lama 8B	deepseek-llm-r1-distill-llama-8b	✓	✓	✓
Google	Gemma 4 31B	huggingface-vlm-gemma-4-31b-it	✓	✓	✓
Google	Gemma 4 26B A4B	huggingface-vlm-gemma-4-26b-a4b-it	✓	✓	✓
Google	Gemma 4 E4B	huggingface-vlm-gemma-4-e4b-it	✓	✓	✓
Meta	Lama 3.3 Instruktiere 70B	meta-textgeneration-llama-3-3-70b-instruct	✓	✓	✓
Meta	Lama 3.2 Instruktiere 3B	meta-textgeneration-llama-3-2-3b-instruct	✓	✓	✓
Meta	Lama 3.2 Instruktiere 1B	meta-textgeneration-llama-3-2-1b-instruct	✓	✓	✓
Meta	Lama 3.1 Instruktiere 8B	meta-textgeneration-llama-3-1-8b-instruct	✓	✓	✓
NVIDIA	Nemotron 3 Super 120 B (A12B)	huggingface-llm-nvidia-nemotron-3-super-120b-a12b-bf16	✓	✓	✓
NVIDIA	Nemotron 3 Nano 30 B (A3B)	huggingface-reasoning-nvidia-nemotron-3-nano-30b-a3b-bf16	✓	✓	✓
OpenAI	ICH HABE EINEN VERLUST VON 120B	openai-reasoning-gpt-oss-120b	✓	✓	✓
OpenAI	GPT OSS 120B	openai-reasoning-gpt-oss-20b	✓	✓	✓

Informationen zu Amazon Nova-Modellen finden Sie in der Nova-Komplettlösung unter. Serverlose Modellanpassung