AWS открыла общий доступ к Training Sessions для бессерверной настройки моделей в Amazon SageMaker AI. Инструмент позволяет разработчику писать собственный цикл дообучения, включая функции потерь, сигналы награды и последовательность этапов, не выбирая типы GPU-инстансов и не управляя кластером. SageMaker берёт на себя выделение ускорителей, распределённое выполнение, восстановление после сбоев и хранение контрольных точек.
Training Sessions поддерживает обучение с учителем, DPO, обучение с проверяемыми наградами, RLAIF и многошаговое обучение с подкреплением. Можно использовать LoRA или обновлять все веса, а также последовательно соединять несколько методов. В сценарии GRPO пользовательский код просит sampler сгенерировать несколько ответов, оценивает их собственной функцией награды и передаёт результаты trainer, который рассчитывает градиенты и обновляет веса. После обновления sampler получает свежие веса, и цикл повторяется.
Код цикла и функция награды работают в среде пользователя и могут подключать инструменты или симуляторы. GPU-нагрузку выполняет сессия SageMaker. Оплата начисляется за обработанные сервисом токены; пока внешняя функция награды оценивает пакет, счётчик останавливается, а резервировать вычислительную ёмкость не требуется.
Сессии используют созданную клиентом роль IAM. Данные и контрольные точки остаются в его бакетах S3 и выбранном регионе; можно добавить собственный ключ KMS и конфигурацию VPC. AWS заявляет, что не обучает другие модели на этих данных или настроенных весах. На старте поддерживаются gpt-oss-20b, gemma-4-31B-it, Qwen3.6-27B и Qwen3.8-27B. Это запуск инфраструктурного продукта, а не выпуск новой общей модели.
