SageMaker AI: agentinio įrankių iškvietimo spartinimas su serverless pritaikymu

{
  "prompt": [
    {"role": "system", "content": "You are a helpful assistant. When using tools, respond with: [...]"},
    {"role": "user", "content": "Get the weather"}
  ],
  "reward_model": {
    "ground_truth": "To provide you with the weather information, could you please specify the location?"
  }
}

Qwen 2.5 7B Instruct modelio derinimas su SageMaker AI

Modelio, tokio kaip Qwen 2.5 7B Instruct, derinimas Amazon SageMaker AI Studio yra supaprastintas ir intuityvus. Įsitikinus, kad yra įvykdytos būtinos išankstinės sąlygos (AWS paskyra, IAM rolė, SageMaker AI domenas, S3 kibiras), vartotojai gali pereiti į Modelių skyrių SageMaker AI Studio.

Iš ten, pasirinkus Qwen 2.5 7B Instruct ir pasirinkus Tinkinti naudojant vartotojo sąsają, atidaromas specialus konfigūracijos puslapis. Ši sąsaja leidžia:

Technikos pasirinkimas: Aiškiai pasirinkti mokymąsi su patikrinamais atlygiais (RLVR) iš išskleidžiamojo meniu.
Duomenų įvestis: Nurodyti paruoštus mokymo duomenis, saugomus Amazon S3 kibire.
Atlygio funkcija: Konfigūruoti pakopinę vertinimo sistemą, kuri apibrėžia, kaip kandidatų atsakymai vertinami pagal ground_truth.
Hiperparametrų konfigūracija: Parametrų, tokių kaip paketinis dydis, koregavimas, nors SageMaker AI dažnai automatiškai tvarko optimalius nustatymus.

SageMaker AI palaiko platų modelių šeimų spektrą, įskaitant Amazon Nova, GPT-OSS, Llama, Qwen ir DeepSeek, kartu su įvairiomis technikomis, tokiomis kaip prižiūrimas derinimas (SFT), tiesioginis preferencijų optimizavimas (DPO), RLVR ir mokymasis su atlygiu iš AI grįžtamojo ryšio (RLAIF). Integruotas MLflow sekimas suteikia matomumą mokymo ir patvirtinimo metrikoms, supaprastindamas našumo stebėjimą ir iteraciją. Šis paprastas naudojimas žymiai pagreitina kūrimo ciklą kūrėjams, kuriantiems sudėtingus github-agentic-workflows.

Vertinimas ir diegimo sėkmė

Mūsų suderinto Qwen 2.5 7B Instruct modelio efektyvumas buvo kruopščiai įvertintas naudojant sulaikytus duomenis, įskaitant scenarijus su visiškai nematytais įrankiais – tai yra kritinis apibendrinimo testas. Rezultatai buvo įtikinami: suderintas modelis pasiekė nepaprastą 57 % pagerėjimą įrankių iškvietimo atlygio srityje, palyginti su baziniu modeliu. Šis reikšmingas našumo šuolis scenarijuose, su kuriais modelis nesusidūrė mokymosi metu, pabrėžia RLVR galią mokyti modelius patikimų sprendimų priėmimo gebėjimų įrankių sąveikai.

Šis padidintas patikimumas tiesiogiai reiškia didesnį pasitikėjimą ir pasitikėjimą diegiant AI agentus gamybos aplinkose. Sumažinant įrankių haliucinacijų, neteisingų parametrų ir netinkamų veiksmų atvejus, įmonės gali panaudoti AI agentus kritiškesnėms ir jautresnėms užduotims. Su SageMaker AI, tvarkančia modelio diegimo ir infrastruktūros valdymo sudėtingumus, kūrėjai gali sklandžiai pereiti nuo derinimų prie gamybos, išnaudodami visą savo agentinių AI sprendimų potencialą. Ši galimybė atitinka platesnę agentinio AI operacionalizavimo viziją, siekiant realaus poveikio.

Apibendrinant, Amazon SageMaker AI serverless modelio pritaikymo ir tvirtų RLVR mokymosi galimybių derinys suteikia galingą būdą kurti itin patikimas agentinio įrankių iškvietimo sistemas. Šis inovatyvus požiūris pagreitina kūrimą, sumažina operacinę naštą ir galiausiai pristato AI agentus, kurie veikia su precedento neturinčiu tikslumu ir patikimumu.

Originalus šaltinis

https://aws.amazon.com/blogs/machine-learning/accelerate-agentic-tool-calling-with-serverless-model-customization-in-amazon-sagemaker-ai/

Dažniausiai užduodami klausimai

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.

Būkite informuoti

Gaukite naujausias AI naujienas el. paštu.

Dalintis