SageMaker AI: Akselererer agentisk verktøykalling med serverløs modelltilpasning

{
  "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?"
  }
}

Finjustering av Qwen 2.5 7B Instruct med SageMaker AI

Prosessen med å finjustere en modell som Qwen 2.5 7B Instruct innenfor Amazon SageMaker AI Studio er strømlinjeformet og intuitiv. Etter å ha sikret at de nødvendige forutsetningene (AWS-konto, IAM-rolle, SageMaker AI-domene, S3-bøtte) er oppfylt, kan brukere navigere til Modeller-seksjonen i SageMaker AI Studio.

Derfra åpner valg av Qwen 2.5 7B Instruct og deretter Tilpass med UI en dedikert konfigurasjonsside. Dette grensesnittet tillater:

Valg av teknikk: Eksplisitt valg av Forsterkningslæring med Verifiserbare Belønninger (RLVR) fra nedtrekkslisten.
Datainndata: Pek mot de forberedte treningsdataene lagret i en Amazon S3-bøtte.
Belønningsfunksjon: Konfigurering av den lagdelte scoringsmekanismen som definerer hvordan kandidatsvar evalueres mot fasiten.
Hyperparameterkonfigurasjon: Justering av parametere som batchstørrelse, selv om SageMaker AI ofte håndterer optimale innstillinger automatisk.

SageMaker AI støtter et mangfoldig utvalg av modellfamilier, inkludert Amazon Nova, GPT-OSS, Llama, Qwen og DeepSeek, sammen med ulike teknikker som Supervised Fine-Tuning (SFT), Direct Preference Optimization (DPO), RLVR og Reinforcement Learning from AI Feedback (RLAIF). Integrert MLflow-sporing gir innsikt i trenings- og valideringsmetrikker, noe som forenkler ytelsesovervåking og iterasjon. Denne brukervennligheten akselererer utviklingssyklusen dramatisk for utviklere som bygger sofistikerte github-agentic-arbeidsflyter.

Evaluering og utrullingssuksess

Effektiviteten av vår finjusterte Qwen 2.5 7B Instruct-modell ble grundig evaluert på holdt-ut-data, inkludert scenarier med helt usett verktøy – en avgjørende test for generalisering. Resultatene var overbevisende: den finjusterte modellen oppnådde en bemerkelsesverdig 57 % forbedring i belønning for verktøykall sammenlignet med grunnmodellen. Dette betydelige spranget i ytelse på scenarier den ikke hadde møtt under trening, understreker kraften i RLVR for å lære modeller robuste beslutningsevner for verktøyinteraksjon.

Denne forbedrede påliteligheten oversettes direkte til høyere tillit og trygghet ved utrulling av AI-agenter i produksjonsmiljøer. Ved å minimere tilfeller av verktøyhallusinasjoner, feil parametere og upassende handlinger, kan bedrifter utnytte AI-agenter for mer kritiske og sensitive oppgaver. Med SageMaker AI som håndterer kompleksiteten med modellutrulling og infrastrukturadministrasjon, kan utviklere sømløst flytte fra finjustering til produksjon, og realisere det fulle potensialet i sine agentiske AI-løsninger. Denne evnen stemmer overens med den bredere visjonen om operationalisering av agentisk AI for reell innvirkning.

Oppsummert gir kombinasjonen av Amazon SageMaker AIs serverløse modelltilpasning og de robuste læringsmulighetene til RLVR en kraftig vei til å bygge svært pålitelige agentisk verktøykalling-systemer. Denne innovative tilnærmingen akselererer utviklingen, reduserer den driftsmessige byrden, og leverer til syvende og sist AI-agenter som presterer med enestående nøyaktighet og pålitelighet.

Ofte stilte spørsmål

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: Akselererer agentisk verktøykalling med serverløs modelltilpasning

Finjustering av Qwen 2.5 7B Instruct med SageMaker AI

Evaluering og utrullingssuksess

Ofte stilte spørsmål

Hold deg oppdatert