SageMaker AI: Прискорення агентного виклику інструментів за допомогою безсерверної кастомізації

{
  "prompt": [
    {"role": "system", "content": "Ви корисний помічник. При використанні інструментів відповідайте: [...]"},
    {"role": "user", "content": "Дізнатись погоду"}
  ],
  "reward_model": {
    "ground_truth": "Щоб надати вам інформацію про погоду, будь ласка, уточніть місцезнаходження?"
  }
}

Тонке налаштування Qwen 2.5 7B Instruct за допомогою SageMaker AI

Процес тонкого налаштування моделі, такої як Qwen 2.5 7B Instruct, в Amazon SageMaker AI Studio є спрощеним та інтуїтивно зрозумілим. Після забезпечення необхідних передумов (обліковий запис AWS, роль IAM, домен SageMaker AI, бакет S3), користувачі можуть перейти до розділу Моделі в SageMaker AI Studio.

Звідти, вибравши Qwen 2.5 7B Instruct та обравши Налаштувати за допомогою UI, відкривається спеціальна сторінка конфігурації. Цей інтерфейс дозволяє:

Вибір техніки: Явно обрати Навчання з підкріпленням з верифікованими нагородами (RLVR) з випадаючого списку.
Введення даних: Вказати підготовлені навчальні дані, збережені в бакеті Amazon S3.
Функція нагороди: Налаштування багаторівневого механізму оцінки, який визначає, як оцінюються кандидатні відповіді порівняно з ground_truth.
Конфігурація гіперпараметрів: Налаштування параметрів, таких як розмір пакету, хоча SageMaker AI часто автоматично керує оптимальними налаштуваннями.

SageMaker AI підтримує широкий спектр сімейств моделей, включаючи Amazon Nova, GPT-OSS, Llama, Qwen та DeepSeek, поряд з різними техніками, такими як Supervised Fine-Tuning (SFT), Direct Preference Optimization (DPO), RLVR та Reinforcement Learning from AI Feedback (RLAIF). Інтегроване відстеження MLflow забезпечує видимість метрик навчання та валідації, спрощуючи моніторинг продуктивності та ітерації. Ця простота використання значно прискорює цикл розробки для розробників, які створюють складні github-agentic-workflows.

Оцінка та успіх розгортання

Ефективність нашої тонко налаштованої моделі Qwen 2.5 7B Instruct була ретельно оцінена на прихованих даних, включаючи сценарії з абсолютно невідомими інструментами — це критичний тест на узагальнення. Результати були вражаючими: тонко налаштована модель досягла значного 57% покращення нагороди за виклик інструмента порівняно з базовою моделлю. Цей значний стрибок у продуктивності на сценаріях, які вона не зустрічала під час навчання, підкреслює силу RLVR у навчанні моделей надійним здібностям до прийняття рішень для взаємодії з інструментами.

Ця підвищена надійність безпосередньо перетворюється на вищу довіру та впевненість у розгортанні AI-агентів у виробничих середовищах. Мінімізуючи випадки галюцинацій інструментів, некоректних параметрів та невідповідних дій, компанії можуть використовувати AI-агентів для більш критичних та чутливих завдань. Завдяки тому, що SageMaker AI бере на себе складнощі розгортання моделі та управління інфраструктурою, розробники можуть безперешкодно переходити від тонкого налаштування до виробництва, реалізуючи весь потенціал своїх агентних AI-рішень. Ця можливість узгоджується з ширшим баченням операціоналізації агентного AI для реального впливу.

Підсумовуючи, поєднання безсерверної кастомізації моделі Amazon SageMaker AI та надійних можливостей навчання RLVR забезпечує потужний шлях до створення високо надійних систем агентного виклику інструментів. Цей інноваційний підхід прискорює розробку, зменшує операційне навантаження та, зрештою, надає AI-агентів, які працюють з безпрецедентною точністю та надійністю.

Першоджерело

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

Поширені запитання

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.

Будьте в курсі

Отримуйте найсвіжіші новини ШІ на пошту.

Поділитися