AWS为SageMaker AI无服务器模型定制推出训练会话，可自写后训练循环
AWS称训练会话正式可用，开发者编写训练循环与奖励函数，SageMaker AI负责GPU分配、分布式执行、故障恢复和检查点存储；按处理的token计费，奖励函数评分时暂停计费。首批支持gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B、Qwen3.8-27B。
AI解读：此前该服务已提供无服务器模型定制，本次新增的是让用户自行编写和协调后训练循环的能力。
适用方式：用户写训练循环，可自定义损失函数和奖励信号，把智能体接入工具或模拟器；采样器生成回复、训练器计算梯度并更新权重，具体顺序由用户所写算法决定。AWS以GRPO为例描述这一循环。
限制与范围：训练会话支持SFT、DPO、RLVR、RLAIF、多轮RL等方法，可按用户选择用LoRA或全量微调，并可通过连续定制串联多种技术。AWS表示首批支持四个模型。
计费与数据：AWS称按SageMaker AI处理的token计费，奖励函数在用户环境中评分时计量暂停，无需预留容量。会话使用用户创建的IAM执行角色，可选自有KMS密钥和VPC；数据与检查点存在用户指定区域的S3桶中，AWS称不用这些数据和定制权重训练其他模型。
上述表述均来自AWS博客及其引用客户评价。博客未给出独立评测或与自建GPU集群的成本对比，因此无法据此判断实际节省幅度或训练效果。
AWS在机器学习博客中宣布，Amazon SageMaker AI无服务器模型定制的训练会话（training sessions）正式可用。用户编写并协调后训练逻辑，包括自定义损失函数、奖励信号或多轮强化学习；SageMaker AI负责GPU分配、分布式执行、故障恢复和检查点存储。
AWS给出的首批支持模型为gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B和Qwen3.8-27B。该消息来自AWS博客，未附带独立评测数据。
训练循环由用户代码执行，GPU工作交给会话
按AWS的描述，训练会话中用户的代码在自有环境里运行训练循环和奖励函数，并把智能体连接到工具或模拟器。会话承担GPU密集的部分：采样器生成回复，训练器计算梯度并更新模型权重；具体执行顺序取决于用户编写的算法。
AWS以Group Relative Policy Optimization（GRPO）为例：循环要求采样器针对同一提示词生成多条回复，奖励函数在用户环境中用验证器、奖励模型或测试框架打分，再把分数送回训练器，由forward_backward() 计算梯度、optim_step() 更新权重，随后刷新采样器权重进入下一批。用户代码重复这些步骤直至训练结束。
AWS此前已把多轮RL作为托管、无服务器技术提供；本次训练会话面向希望自行定义损失函数、奖励信号或RL阶段并在一个循环中串联的客户。AWS称用户可使用SFT、DPO、RLVR、RLAIF、多轮RL等方法，用LoRA或全量微调控制更新模型的比例，并通过连续定制串联多种技术。
计费方式与数据和模型控制
AWS称训练会话按SageMaker AI处理的token计费；奖励函数在用户环境中为一批回复评分时计量暂停，且无需预留容量。这与其他按实例或集群预留计费的方式不同，但博客没有给出单位token价格。
每个会话使用用户创建的IAM执行角色，用户可以附加自有AWS KMS密钥和VPC配置。AWS称数据留在用户选定区域内自己的S3桶中，检查点也存储在那里；AWS不会用这些数据或定制后的权重训练其他模型。部署前可评估模型的准确性、偏差和安全性，部署后可应用护栏并用Amazon CloudWatch监控。
客户说法与使用入口
AWS引用两家客户的评价。ImagineSoftware数据科学高级副总裁Rob Gontarek称，该公司用训练会话构建医疗理赔拒付分诊模型，低层API可控制前向和反向传播、采样和优化器步骤。Karini AI首席执行官Nitin Wagh称，其团队在Amazon Neptune知识图谱上对gpt-oss-20b做多轮工具调用微调，平台处理了基础设施，检查点恢复可靠。这些是客户对自身用例的描述。
使用方式有两种：在Linux或macOS、Python 3.10至 3.12 环境中安装SageMaker Python SDK、克隆cookbook后开发；或在SageMaker Studio中启动开发环境，连接Kiro、Claude Code、Codex或GitHub Copilot等编码智能体，下载智能体技能和cookbook。AWS还称训练会话cookbook提供示例，模型定制智能体可根据用户描述处理数据准备、技术选择、训练、评估和部署。