Code Velocity
企业AI

AWS AI League：Atos 通过游戏化学习优化 AI 教育方法

·5 分钟阅读·AWS, Atos·原始来源
分享
AfrikaansالعربيةAzərbaycanБългарскиবাংলাCatalàČeštinaDanskDeutschΕλληνικάEnglishEspañolEestiفارسیSuomiFilipinoFrançaisעבריתहिन्दीHrvatskiMagyarBahasa IndonesiaÍslenskaItaliano日本語ქართული한국어LietuviųLatviešuМакедонскиBahasa MelayuNederlandsNorskPolskiPortuguêsRomânăРусскийSlovenčinaSlovenščinaShqipСрпскиSvenskaKiswahiliதமிழ்ไทยTürkçeУкраїнськаاردوTiếng Việt中文
AWS AI League 参与者使用 Amazon SageMaker 微调 LLM 以增强 AI 教育。

title: "AWS AI League：Atos 通过游戏化学习优化 AI 教育方法" slug: "aws-ai-league-atos-fine-tunes-approach-to-ai-education" date: "2026-03-20" lang: "zh" source: "https://aws.amazon.com/blogs/machine-learning/aws-ai-league-atos-fine-tunes-approach-to-ai-education/" category: "企业AI" keywords:

  • AWS AI League
  • Atos
  • AI 教育
  • 生成式AI
  • 微调
  • Amazon SageMaker
  • 体验式学习
  • 游戏化AI
  • 员工技能提升
  • LLMs
  • 保险承保
  • AI 转型 meta_description: "Atos 利用 AWS AI League 为其员工优化 AI 教育，通过游戏化、动手实践学习，并结合 Amazon SageMaker 应用于企业 AI 应用程序，加速实用技能的掌握。" image: "/images/articles/aws-ai-league-atos-fine-tunes-approach-to-ai-education.png" image_alt: "AWS AI League 参与者使用 Amazon SageMaker 微调 LLM 以增强 AI 教育。" quality_score: 94 content_score: 93 seo_score: 95 companies:
  • AWS
  • Atos schema_type: "NewsArticle" reading_time: 5 faq:
  • question: "什么是 AWS AI League？" answer: 'AWS AI League 是 AWS 设计的一个专门项目，旨在为人工智能提供动手实践、游戏化学习体验，特别是侧重于生成式 AI 和大型语言模型（LLM）的微调。它旨在弥合传统课程获得的理论 AI 知识与实际应用所需的实践之间存在的鸿沟。通过让参与者在使用 Amazon SageMaker 等工具的竞争场景中沉浸式学习，该联盟促进了技能的加速发展、参与度和协作，确保构建者在部署 AI 解决方案时获得信心和实践经验。'
  • question: "AWS AI League 如何解决传统 AI 培训的挑战？" answer: '传统 AI 培训常面临参与度低、实践经验有限以及学术知识与实际应用脱节等问题。AWS AI League 通过提供体验式、游戏化的方法来解决这些问题。参与者不再是被动学习，而是积极地微调 LLM、在排行榜上竞争，并在实时挑战中展示解决方案。这种动手实践的方法，结合竞争元素，显著提高了参与度，提供了切实经验，并确保参与者能将其所学转化为有意义的业务影响，从而克服了传统方法的不足。'
  • question: "为什么微调 LLM 对企业采纳 AI 至关重要？" answer: '微调大型语言模型对企业至关重要，因为它允许通用模型适应特定的、领域丰富的业务环境，而无需从头开始训练的巨大成本和时间。这种迁移学习方法使模型能够理解专业术语、遵守行业标准，并生成高度准确、相关且可解释的输出。对于像 Atos 这样的企业，微调将通用 LLM 转化为强大的定制助手，能够处理复杂的任务，如保险承保，从而提高特定运营框架内的效率、一致性和决策准确性。'
  • question: "Atos 如何将微调应用于实际场景？" answer: 'Atos 利用 AWS AI League 开发了“智能保险承保人”。这个实际应用涉及微调一个 LLM，使其能够分析复杂的保险场景，评估风险，推荐保单条件，调整保费，并为决策提供清晰的理由，所有这些都符合专业的行业标准。该解决方案基于成本效益高的微调开源模型，并利用 Amazon SageMaker 和 S3 构建，展示了生成式 AI 如何提高承保专业人员的生产力，提升风险评估的准确性，并与现有行业专业知识无缝集成，证明了微调在企业解决方案中的实际效用。'
  • question: "AWS AI League 项目的核心 AWS 服务有哪些？" answer: 'AWS AI League 主要利用 Amazon SageMaker 和 Amazon SageMaker JumpStart。Amazon SageMaker 提供了一个完全集成、基于网络的开发环境（SageMaker Studio），简化了端到端机器学习工作流程。Amazon SageMaker JumpStart 通过引导式界面提供对预训练基础模型的访问，使参与者能够轻松微调 LLM。这些服务抽象化了复杂的底层基础设施，让参与者能够专注于模型定制、评估和实际应用，加速为业务用例开发可投入生产的 AI 解决方案。'
  • question: "游戏化、动手实践的 AI 学习方法有哪些主要优势？" answer: '如 AWS AI League 所例证的，游戏化、动手实践的 AI 学习方法提供了多项显著优势。它通过排行榜和实时挑战等竞争元素，极大地提高了参与者的参与度和积极性。这种方法提供了宝贵的实践经验，将理论知识转化为模型微调和部署方面的实际技能。它促进了团队间的协作，鼓励快速实验，并增强了将 AI 应用于实际业务问题的信心。最终，它加速了员工队伍的技能提升，确保他们不仅获得认证，而且是精通且具有影响力的 AI 实践者。'
  • question: "像 AWS AI League 这样的项目的目标受众是谁？" answer: '像 AWS AI League 这样的项目是为组织内旨在实现 AI 转型的广泛构建者和专业人士设计的。这包括解决方案架构师、开发人员、顾问、业务分析师以及任何参与构建、部署或利用 AI 解决方案的人员。该联盟的方法抽象化了深层基础设施的复杂性，使 LLM 微调等高级 AI 技术即使对于没有深厚机器学习专业知识的人员也易于上手。它赋能多元化的团队获取实践经验，弥合企业内部的技能差距。'

通过游戏化学习革新 AI 教育

在人工智能快速发展的格局中，组织面临着一个严峻的挑战：如何有效地大规模提升员工技能，以构建、部署和利用 AI 解决方案。传统的 AI 培训方法，尽管是基础性的，但往往力有不逮，导致参与度低、实践经验有限，以及理论知识与实际应用之间存在巨大差距。这可能导致团队虽然拥有认证，但却缺乏将 AI 有意义地应用于复杂业务问题的信心。

认识到这个普遍存在的问题，Atos 与 AWS 合作，率先推出了一种变革性的 AI 赋能方法。他们的联合倡议——AWS AI League，超越了被动学习，让参与者沉浸在动态、游戏化的体验中，旨在培养切实的 AI 技能。这个创新项目不仅旨在教育，更要激发灵感，确保 Atos 到 2026 年实现“AI 流利”员工队伍的承诺，并取得实际、有影响力的成果。

AWS AI League：弥合理论与实践之间的鸿沟

AWS AI League 专门旨在解决传统 AI 教育的不足。该项目不再仅仅依赖概念理解，而是将动手实验与结构化竞争相结合，让构建者在真实环境中直接使用生成式 AI 工具。对于 Atos 而言，这一策略提供了一条强大的途径，以在其庞大的组织中加速应用型 AI 技能的培养，促进持续的参与、协作和可衡量的成果。

该联盟抽象化了深层基础设施的复杂性，使参与者能够专注于模型定制和评估的核心机制。参与者利用强大的 AWS 服务，如 Amazon SageMaker 和 Amazon SageMaker JumpStart，来微调大型语言模型（LLM）。这种直接的、结合尖端技术的实践经验对于企业成功采纳 AI 变得越来越重要。该项目的结构有条不紊，通过不同阶段来培养熟练度：

阶段描述主要活动成果
工作坊使用 SageMaker JumpStart 进行微调基础知识的沉浸式入门课程，重点关注模型行为和结果。指导教学、初步动手练习、基础知识构建。理解 LLM 微调概念，熟悉 SageMaker JumpStart 界面，为实际应用做好准备。
开发团队在其中迭代微调策略、尝试数据集、增强和超参数的密集阶段。模型提交在动态的 AI 驱动排行榜上进行评估。协作模型开发、快速实验、持续提交和反馈、竞争性排名。模型定制实践经验、优化技术、理解性能指标、促进团队协作和竞争动力。
决赛一场现场互动活动，表现最佳的团队展示其定制模型。输出由技术评委、AI 基准和观众投票进行评估，确保全面评价。实时模型演示、现场挑战、多维度评分（技术、客观、面向用户）、同行认可和反馈。实践技能的验证、接触真实世界的部署挑战、公开演讲和演示技能、对表现出色个人和团队的认可，以及对构建可投入生产的 AI 解决方案的信心。

为什么微调 LLM 对企业 AI 至关重要

微调大型语言模型代表了一种强大的迁移学习形式，这是一种机器学习技术，其中预训练模型通过使用更小的、特定领域的数据集进行调整，而不是从头开始构建。对于企业而言，这种方法为定制化提供了实用且经济高效的途径。它显著减少了训练时间和计算开销，同时使模型能够反映特定行业或组织的专业知识、术语和决策逻辑。

采用微调的组织可以将通用模型定制到准确性、推理性和可解释性至关重要的利基领域。例如，在保险行业，微调有助于模型理解复杂的风险概况、保单条件、除外责任和保费计算——这些信息远远超出了通用语言的流畅度。AWS AI League 表明，通过正确的结构和工具，多元化的团队——包括解决方案架构师、开发人员、顾问，甚至业务分析师——都可以在不需要深厚机器学习专业知识的情况下微调和部署模型。这种可及性使得微调成为专注于提供高影响力、客户就绪 AI 解决方案的合作组织的一项宝贵能力。

Atos 的智能保险承保人：一项真实世界的 AI 应用

利用通过 AWS AI League 获得的基础技能，Atos 开发了一个引人注目的真实世界用例：智能保险承保人。该项目旨在微调一个大型语言模型，使其能够分析复杂的保险场景并提供专家级的承保指导。该模型不仅旨在处理信息，还要评估风险，推荐适当的保单条件或免赔额，建议保费调整，并且至关重要的是，清晰解释每个决策背后的理由——所有这些都遵循专业的行业标准。

选择此用例是因为它与客户需求直接相关，作为生成式 AI 如何增强承保专业人员能力的实际演示。通过提高各种保险产品线的一致性和效率，该解决方案提供了显著的商业价值。智能保险承保人建立在经济高效的微调开源模型之上，并由 Amazon SageMaker、SageMaker Unified Studio 和 Amazon S3 提供支持，它将强大的知识库与复杂的推理和推荐模块相结合。这些模块在专有承保数据上进行训练，从而形成了一个经济实惠、定制化的助手，可以提高团队生产力，提高风险评估准确性，并与人类承保人已经拥有的真实行业专业知识无缝集成。这例证了 将智能体 AI 投入运营 如何带来切实的商业效益。

利用 Amazon SageMaker 掌握微调技术

AWS AI League 成功的一个基石是它对 AWS 强大的机器学习生态系统，特别是 Amazon SageMaker 的依赖。参与者在 Amazon SageMaker Studio 内进行模型微调，这是一个完全集成、基于网络的开发环境，专门为机器学习工作流设计。SageMaker Studio 简化了从数据准备、模型构建到训练、调优和部署的整个过程。

至关重要的是，SageMaker JumpStart 提供了一个引导式界面来访问和利用预训练的基础模型。这使得参与者可以抽象化大部分底层基础设施的复杂性，从而能够专注于模型行为、结果和业务影响的战略方面，而不是纠结于环境设置。这种专注的方法加速了学习和实际应用，确保参与者能够快速将其知识转化为可部署的 AI 解决方案。

成功 AI 技能提升项目的关键启示

AWS AI League 与 Atos 的成功经验为任何致力于 AI 转型的组织提供了宝贵的见解。从理论理解到动手实践、体验式学习的转变对于培养真正的 AI 流利度至关重要。游戏化元素显著提高了参与度，培养了竞争而又协作的精神，将学习变成了一项激动人心的挑战。此外，整合行业特定的用例，例如 Atos 的智能保险承保人，将培训根植于相关的业务情境中，确保所获得的技能能够直接应用并产生影响。

通过提供像 Amazon SageMaker 这样抽象化基础设施复杂性的平台，组织可以普及 AI 技能建设，使像 LLM 微调这样的高级技术能够被更广泛的技术甚至非技术角色所接触。这次合作表明，将结构化电子学习与沉浸式实践经验相结合，不仅是获得认证的关键，更是培养一支真正有能力利用 AI 获取战略优势的员工队伍的关键。这种模式对于在企业范围内 为所有人扩展 AI 至关重要，确保 AI 转型是一个持续学习和实践创新的旅程。

原始来源

https://aws.amazon.com/blogs/machine-learning/aws-ai-league-atos-fine-tunes-approach-to-ai-education/

常见问题

What is the AWS AI League?
The AWS AI League is a specialized program designed by AWS to provide hands-on, gamified learning experiences for artificial intelligence, particularly focusing on generative AI and large language model (LLM) fine-tuning. It aims to bridge the gap between theoretical AI knowledge gained from traditional courses and the practical application required for real-world business challenges. By immersing participants in competitive scenarios using tools like Amazon SageMaker, the League fosters accelerated skill development, engagement, and collaboration, ensuring builders gain confidence and practical experience in deploying AI solutions.
How does the AWS AI League address traditional AI training challenges?
Traditional AI training often faces issues like low engagement, limited practical experience, and a disconnect between academic knowledge and real-world implementation. The AWS AI League tackles these by offering an experiential, gamified approach. Instead of passive learning, participants actively fine-tune LLMs, compete on leaderboards, and demonstrate solutions in live challenges. This hands-on methodology, combined with competitive elements, significantly boosts engagement, provides tangible experience, and ensures participants can translate their learning into meaningful business impact, overcoming the shortcomings of conventional methods.
Why is fine-tuning LLMs crucial for enterprise AI adoption?
Fine-tuning large language models is a critical technique for enterprises because it allows general-purpose models to be adapted to specific, domain-rich business contexts without the immense cost and time of training from scratch. This transfer learning approach enables models to understand specialized terminology, adhere to industry standards, and generate highly accurate, relevant, and explainable outputs. For businesses like Atos, fine-tuning transforms generic LLMs into powerful, customized assistants capable of handling complex tasks such as insurance underwriting, improving efficiency, consistency, and decision-making accuracy within specific operational frameworks.
How did Atos apply fine-tuning in a real-world scenario?
Atos utilized the AWS AI League to develop an 'Intelligent Insurance Underwriter.' This real-world application involved fine-tuning an LLM to analyze intricate insurance scenarios, assess risks, recommend policy conditions, adjust premiums, and provide clear reasoning for its decisions, all aligned with professional industry standards. The solution, built on cost-effective, fine-tuned open-source models leveraging Amazon SageMaker and S3, demonstrated how generative AI can enhance the productivity of underwriting professionals, sharpen risk assessment, and integrate seamlessly with existing industry expertise, proving the practical utility of fine-tuning for enterprise solutions.
What AWS services are central to the AWS AI League program?
The AWS AI League primarily leverages Amazon SageMaker and Amazon SageMaker JumpStart. Amazon SageMaker provides a fully integrated, web-based development environment (SageMaker Studio) that simplifies the end-to-end machine learning workflow. Amazon SageMaker JumpStart offers access to pre-trained foundation models through a guided interface, enabling participants to easily fine-tune LLMs. These services abstract away complex infrastructure, allowing participants to focus on model customization, evaluation, and practical application, accelerating the development of production-ready AI solutions for business use cases.
What are the key benefits of a gamified, hands-on approach to AI learning?
A gamified, hands-on approach to AI learning, as exemplified by the AWS AI League, offers several significant benefits. It dramatically increases participant engagement and motivation through competitive elements like leaderboards and live challenges. This method provides invaluable practical experience, translating theoretical knowledge into tangible skills in model fine-tuning and deployment. It fosters collaboration among teams, encourages rapid experimentation, and builds confidence in applying AI to real business problems. Ultimately, it accelerates the upskilling of a workforce, ensuring they are not just certified but also proficient and impactful AI practitioners.
Who is the target audience for programs like the AWS AI League?
Programs like the AWS AI League are designed for a broad audience of builders and professionals within organizations aiming for AI transformation. This includes solutions architects, developers, consultants, business analysts, and anyone involved in building, deploying, or utilizing AI solutions. The League's approach abstracts away deep infrastructure complexities, making advanced AI techniques like LLM fine-tuning accessible even to those without extensive machine learning specialization. It empowers diverse teams to gain practical, hands-on experience, bridging the skill gap across the enterprise.

保持更新

将最新AI新闻发送到您的收件箱。

分享