将领先的模型变成您所在领域的专家。
无需管理基础设施，即可更快地根据数据自定义模型，从而提高准确性并降低成本。
您的模型卡在哪里？
大多数模型都会陷入同样的陷阱：输出质量下降，人工智能花费增加，响应滞后。了解 SageMaker AI 如何解决这些问题。
更快地自定义
每一步都会增加时间，并且您的模型发布会被推迟。看看智能体技能如何让您更快地投入生产。
选择适当的技术
每种技术适合不同的任务，因此很难选择。了解如何为您的工作负载找到合适的方法。
证明模型的性能
很难知道您的自定义模型是否比基础模型好。比较数据的准确性、延迟和成本。
为您的域构建
专有模型对您的领域了解不够深，无法解决您的问题。Nova Forge 可以混合您的数据，而不会忘记其他所有内容。
五个简单的模型定制步骤
选择模型和技术。自带数据。在您的 AWS 账户内进行训练和评估。部署到 Bedrock 或 SageMaker AI。
开始大规模定制模型
Amazon SageMaker AI
使用无服务器技术、内置评估和受控的生产路径，访问 20 多个开放权重模型和 Amazon Nova。
Amazon SageMaker AI JumpStart
一站式查找和比较开放权重模型。然后只需点击几下即可使用自己的数据进行微调和部署。
常见问题
常见问题
全部打开可以。对于特定任务，与大型通用模型相比，经过微调的较小模型可以以更低的延迟和成本匹配质量，并且权重归您所有，因此经济性由您自己控制。
不能。提示和检索增强生成会在推理时添加上下文，但它们无法改变模型的基本认知。输出保持不一致。您的团队最终会对提示进行迭代，而不是交付产品。
可以。SageMaker 可处理数据准备、训练、评估和部署，无需设置基础设施，且技术覆盖范围最广。需要更多控制权吗？ 同样的工作转移到了 HyperPod。
您的训练数据保留在您的 S3 存储桶中，只能通过您控制的 IAM 角色访问。作业在安全隔离的环境中运行，支持 VPC 配置，同时提供静态加密与传输加密。
您完全拥有它们。经过训练的模型权重存储在您的 S3 存储桶中，只能通过您的 IAM 角色访问。部署到 SageMaker 推理、Bedrock，或者导出并在您自己的基础设施上部署并提供推理服务。
可以。使用 Amazon Nova Forge，从训练前、训练中期或训练后检查点开始，并随时将您的数据与 Amazon 策划的数据集混合，控制您的领域知识嵌入的深度。
找到今天要查找的内容了吗？
请提供您的意见，以便我们改进网页内容的质量