SageMaker AI: Agenttityökalukutsujen kiihdyttäminen palvelimettomalla räätälöinnillä

{
  "prompt": [
    {"role": "system", "content": "Olet avulias assistentti. Kun käytät työkaluja, vastaa: [...]"},
    {"role": "user", "content": "Hae sää"}
  ],
  "reward_model": {
    "ground_truth": "Antaakseni sinulle säätiedot, voisitko ystävällisesti tarkentaa sijainnin?"
  }
}

Qwen 2.5 7B Instruct -mallin hienosäätö SageMaker AI:n avulla

Qwen 2.5 7B Instruct -mallin kaltaisen mallin hienosäätö Amazon SageMaker AI Studiossa on virtaviivaista ja intuitiivista. Kun tarvittavat edellytykset (AWS-tili, IAM-rooli, SageMaker AI -domain, S3-säiliö) on täytetty, käyttäjät voivat siirtyä SageMaker AI Studion Malleihin-osioon.

Sieltä valitsemalla Qwen 2.5 7B Instruct ja valitsemalla Mukauta käyttöliittymällä avautuu oma konfigurointisivu. Tämä käyttöliittymä mahdollistaa:

Tekniikan valinta: Valitaan nimenomaisesti Vahvistusoppiminen varmennettavilla palkkioilla (RLVR) avattavasta valikosta.
Datan syöttö: Osoitetaan Amazon S3 -säilöön tallennettuun valmisteltuun harjoitusdataan.
Palkkiofunktio: Määritetään porrastettu pisteytysmekanismi, joka määrittää, miten ehdokasvastauksia arvioidaan ground_truth-arvoa vastaan.
Hyperparametrien konfigurointi: Säädetään parametreja, kuten eräkokoa, vaikka SageMaker AI usein käsittelee optimaaliset asetukset automaattisesti.

SageMaker AI tukee monipuolista valikoimaa malliperheitä, mukaan lukien Amazon Nova, GPT-OSS, Llama, Qwen ja DeepSeek, sekä erilaisia tekniikoita, kuten ohjattua hienosäätöä (SFT), suoraa preferenssioptimointia (DPO), RLVR:ää ja vahvistusoppimista tekoälypalautteen perusteella (RLAIF). Integroitu MLflow-seuranta tarjoaa näkyvyyden harjoitus- ja validointimetriikoihin, yksinkertaistaen suorituskyvyn seurantaa ja iteraatiota. Tämä helppokäyttöisyys kiihdyttää dramaattisesti kehitysjaksoa kehittäjille, jotka rakentavat kehittyneitä github-agenttipohjaisia työnkulkuja.

Arviointi ja käyttöönoton menestys

Hienosäädetyt Qwen 2.5 7B Instruct -mallimme tehokkuus arvioitiin perusteellisesti pidetyn datan perusteella, mukaan lukien skenaariot, joissa oli täysin tuntemattomia työkaluja – ratkaiseva testi yleistämiselle. Tulokset olivat vakuuttavia: hienosäädetty malli saavutti huomattavan 57 %:n parannuksen työkalukutsun palkkiossa verrattuna perusmalliin. Tämä merkittävä hyppy suorituskyvyssä skenaarioissa, joita se ei ollut kohdannut koulutuksen aikana, korostaa RLVR:n voimaa opettaa malleille vankkoja päätöksentekokykyjä työkaluvuorovaikutukseen.

Tämä parantunut luotettavuus tarkoittaa suoraan suurempaa luottamusta ja varmuutta tekoälyagenttien käyttöönotossa tuotantoympäristöihin. Minimoidessaan työkaluhallusinaatioiden, virheellisten parametrien ja sopimattomien toimintojen esiintymisiä yritykset voivat hyödyntää tekoälyagentteja kriittisemmissä ja herkemmissä tehtävissä. Kun SageMaker AI hoitaa mallin käyttöönoton ja infrastruktuurin hallinnan monimutkaisuuden, kehittäjät voivat saumattomasti siirtyä hienosäädöstä tuotantoon, toteuttaen agenttipohjaisten tekoälyratkaisujensa täyden potentiaalin. Tämä ominaisuus on linjassa laajemman vision kanssa agenttipohjaisen tekoälyn operationalisoinnista todellisen maailman vaikutuksia varten.

Yhteenvetona voidaan todeta, että Amazon SageMaker AI:n palvelimettoman mallin räätälöinnin ja RLVR:n vankkojen oppimiskykyjen yhdistelmä tarjoaa tehokkaan tavan rakentaa erittäin luotettavia agenttityökalukutsu -järjestelmiä. Tämä innovatiivinen lähestymistapa kiihdyttää kehitystä, vähentää toiminnallista taakkaa ja viime kädessä tuottaa tekoälyagentteja, jotka toimivat ennennäkemättömällä tarkkuudella ja luotettavuudella.

Usein kysytyt kysymykset

What is agentic tool calling and why is it crucial for AI agents?

Agentic tool calling is the mechanism that empowers AI agents to perform real-world actions like querying databases, initiating workflows, fetching real-time information, and executing tasks on a user's behalf. It's crucial because it bridges the gap between language understanding and practical application, allowing AI agents to move beyond just generating text to actually interacting with external systems and data sources, thereby making them genuinely useful in production environments.

What are the common challenges AI agents face when performing tool calls?

AI agents frequently encounter challenges such as hallucinating tools that don't exist, passing incorrect parameters to valid tools, or attempting actions when they should instead seek clarification from the user. These failures lead to unreliable agent behavior, eroding user trust and posing significant hurdles to the successful deployment of AI agents in critical production systems, ultimately limiting their real-world utility.

How does Amazon SageMaker AI address the challenges of agentic tool calling?

Amazon SageMaker AI addresses these challenges through its serverless model customization capabilities, particularly using Reinforcement Learning with Verifiable Rewards (RLVR). This approach allows developers to fine-tune large language models (LLMs) to improve their tool-calling accuracy without managing complex infrastructure. SageMaker AI handles the operational overhead of GPU provisioning, memory management, and reward infrastructure, letting users focus on data, reward functions, and model behavior.

What is Reinforcement Learning with Verifiable Rewards (RLVR) and how does it work?

RLVR is a powerful fine-tuning technique where the model generates multiple candidate responses for a given prompt. A predefined reward function then evaluates these candidates, providing a signal about their quality and correctness. The model subsequently updates its internal policy to favor responses that received higher reward scores, using methods like Group Relative Policy Optimization (GRPO), thereby iteratively learning to produce more accurate and desired outputs for specific tasks like tool calling.

Why is RLVR considered more effective than Supervised Fine-Tuning (SFT) for tool calling tasks?

While SFT requires meticulously labeled examples for every desired behavior (e.g., calling a tool, clarifying, refusing), RLVR operates differently. SFT can struggle to generalize decision-making between these behaviors. RLVR, by contrast, allows the model to learn the optimal decision boundary by generating multiple candidates and receiving immediate feedback via a reward function, enabling it to better understand *when* to execute a tool call versus *when* to ask for more information or refuse a request.

How is training data prepared for RLVR in Amazon SageMaker AI for agentic tool calling?

Training data for RLVR in SageMaker AI is prepared as JSONL files, where each entry contains a prompt (system and user messages) and a `ground_truth` within a `reward_model` field. This `ground_truth` is what the reward function scores against. To ensure robust agent behavior, datasets are typically designed to cover three distinct scenarios: executing a tool call when all parameters are present, clarifying when information is missing, and refusing requests that are out of scope or harmful. Synthetic data generation tools like Kiro can be used for this purpose.

What agent behaviors are critical for building robust and reliable tool-calling AI agents?

Building robust tool-calling AI agents requires them to master three critical behaviors. First, they must `Execute` a tool call accurately when all necessary information is provided by the user. Second, they need to `Clarify` by asking follow-up questions when essential parameters are missing from a user's request. Third, they must `Refuse` gracefully when a request is out of scope, harmful, or cannot be fulfilled. Training models across these behaviors ensures comprehensive and trustworthy agent performance.

What prerequisites are needed to use serverless model customization in SageMaker AI?

To leverage serverless model customization in Amazon SageMaker AI, users must have an active AWS account, an AWS IAM role configured with the necessary permissions for SageMaker, a SageMaker AI domain providing Studio access for development, and an Amazon Simple Storage Service (Amazon S3) bucket to store training data and model outputs securely. These components ensure a secure and functional environment for fine-tuning models.

SageMaker AI: Agenttityökalukutsujen kiihdyttäminen palvelimettomalla räätälöinnillä

Qwen 2.5 7B Instruct -mallin hienosäätö SageMaker AI:n avulla

Arviointi ja käyttöönoton menestys

Usein kysytyt kysymykset

Pysy ajan tasalla