AWS SageMaker上线全量微调 无服务器模式
时间:2026年11月18日
地点:美国
人物:AWS团队
事件详情:AWS于11月18日宣布,Amazon SageMaker AI Serverless Model Customization正式支持全量微调(Full Fine-Tuning,FFT)。此前该服务仅支持LoRA(Low-Rank Adaptation)低秩适配,现在客户无需配置GPU集群或管理训练基础设施,即可更新模型的所有参数。服务会自动分配算力并管理检查点。
背景:过去企业进行模型微调时,通常需要在LoRA(低秩适配,降低显存和训练成本)和全量微调之间权衡。LoRA虽然节省资源,但可能无法充分学习领域特定知识;全量微调虽然效果更好,但需要大量GPU资源和复杂的集群管理。AWS此次将FFT引入无服务器模式,降低了全量微调的门槛。
影响:对中小型团队而言,无需管理GPU集群即可进行全量微调,意味着更低的运维成本和更快的实验迭代速度。根据AWS公布的编码实验数据,全量微调在语义正确性上达到90.0%。不过全量微调仍然面临灾难性遗忘等风险,客户需要根据具体任务选择LoRA或FFT。
总结:AWS在SageMaker无服务器定制服务中新增全量微调能力,填补了此前仅支持LoRA的空白。这一更新让更多企业能够以更低的基础设施门槛进行深度模型定制,但如何平衡效果与成本仍是用户需要权衡的问题。
常见问题:
问:全量微调(FFT)和LoRA有什么区别?
答:FFT更新模型所有参数,学习能力更强但需要更多算力;LoRA仅更新部分低秩矩阵,成本更低但可能无法充分学习复杂领域知识。
问:使用SageMaker无服务器全量微调需要自己管理GPU吗?
答:不需要,服务会自动分配算力并管理检查点,客户无需配置训练集群。
参考来源:
AWS官方博客
https://aws.amazon.com/blogs/machine-learning/full-fine-tuning-fft-on-sagemaker-ai-serverless-model-customization/
OZZZER AI News
https://ozzzer.com/ai-news/story/258246/
techandbusiness.org
https://techandbusiness.org/newswire/1bEw79XRSCALsv5mMWE7C5
aine newstodays
https://ainewstodays.com/aws-adds-full-fine-tuning-serverless-sagemaker-ai-models
599it.com
https://www.599it.com/articles/1212
Unite.AI
https://www.unite.ai/aws-brings-full-weight-training-to-serverless-sagemaker-customization/







