AWS lanza sesiones de entrenamiento de SageMaker AI para personalizar modelos sin gestionar GPU

Amazon Web Services anunció la disponibilidad general de las sesiones de entrenamiento, una nueva capacidad dentro de la personalización de modelos sin servidor de Amazon SageMaker AI, según una publicación en el blog de AWS. La función está dirigida a empresas que personalizan modelos fundacionales de pesos abiertos mediante técnicas de posentrenamiento como el aprendizaje por refuerzo.

Lo que AWS dice que hace

AWS afirma que las sesiones de entrenamiento dan a los usuarios control sobre la lógica de posentrenamiento sin necesidad de gestionar la infraestructura subyacente. Según la empresa, los usuarios escriben y coordinan el bucle de entrenamiento ellos mismos, incluidas funciones de pérdida o señales de recompensa personalizadas, mientras SageMaker AI se encarga de la asignación de GPU, la ejecución distribuida, la recuperación ante fallos y el almacenamiento de puntos de control.

AWS sostiene que, con la personalización de modelos sin servidor de SageMaker AI, los usuarios no necesitan elegir tipos de instancia, gestionar clústeres ni escribir configuraciones de entrenamiento distribuido. La empresa señala que los usuarios pueden aplicar técnicas como el ajuste fino supervisado (SFT), la optimización de preferencia directa (DPO), el aprendizaje por refuerzo con recompensas verificables (RLVR), el aprendizaje por refuerzo a partir de retroalimentación de IA (RLAIF) o el aprendizaje por refuerzo de múltiples turnos. AWS indica que los usuarios también pueden elegir cuánta parte de un modelo actualizar mediante adaptación de bajo rango (LoRA) o ajuste fino completo, y pueden encadenar técnicas mediante lo que AWS denomina personalización continua.

Para ayudar a los usuarios a empezar, AWS afirma haber publicado un recetario de sesiones de entrenamiento de SageMaker AI con ejemplos, casos de uso y habilidades de agente para la personalización de modelos. Según AWS, los usuarios pueden describir su caso de uso a un agente que se encarga de la preparación de datos, la selección de técnicas, el entrenamiento, la evaluación y la implementación, y este agente funciona dentro de SageMaker Studio, Kiro, Claude Code, Codex o GitHub Copilot.

Aprendizaje por refuerzo de múltiples turnos

AWS señala que uno de los focos de la actualización es el aprendizaje por refuerzo de múltiples turnos, que la empresa considera necesario para los agentes que completan tareas como reservar viajes, clasificar tickets de soporte o llevar a cabo investigaciones de varios pasos, ya que estas requieren varias rondas de interacción antes de poder evaluar un resultado. AWS afirma que SageMaker AI ya ofrecía el aprendizaje por refuerzo de múltiples turnos como una técnica gestionada y sin servidor, pero que las sesiones de entrenamiento se crearon en respuesta a clientes que querían definir sus propias funciones de pérdida, señales de recompensa o etapas de aprendizaje por refuerzo dentro de un único bucle.

Según AWS, en un ciclo típico de aprendizaje por refuerzo, el bucle de entrenamiento del usuario pide a un muestreador que genere varias respuestas a una instrucción utilizando el modelo actual, la función de recompensa del usuario puntúa cada respuesta mediante un verificador, un modelo de recompensa o un conjunto de pruebas, el bucle envía las puntuaciones a un entrenador que calcula los gradientes y actualiza los pesos del modelo, y a continuación se actualiza el muestreador con los nuevos pesos antes de comenzar el siguiente lote.

AWS indica que la facturación se basa en los tokens que procesa SageMaker AI, que el contador de facturación se detiene mientras la función de recompensa del usuario puntúa un lote dentro de su propio entorno, y que no existe capacidad que reservar.

Comentarios de clientes citados por AWS

AWS incluyó una declaración de Rob Gontarek, vicepresidente senior de ciencia de datos en ImagineSoftware, quien afirmó que la empresa utilizó las sesiones de entrenamiento sin servidor para construir un modelo de clasificación de denegaciones de reclamaciones sanitarias, y que la API de bajo nivel de la plataforma dio a sus científicos un control detallado para aplicar aprendizaje por refuerzo en un caso de uso donde la precisión es crítica.

AWS también citó una declaración de Nitin Wagh, director ejecutivo de Karini AI, quien señaló que la empresa ajustó el modelo gpt-oss-20b para llamadas a herramientas agénticas de múltiples turnos frente a su grafo de conocimiento de Amazon Neptune utilizando el servicio, y que la configuración no requirió ajustes manuales ni solución de problemas de falta de memoria, con una función fiable de puntos de control y reanudación.

Fuente: AWS Machine Learning Blog, "Announcing new ways to customize models with SageMaker AI, without managing GPUs", publicado el 22 de octubre de 2026.