Amazon SageMaker AI Serverless Model Customization ya admite el ajuste completo (FFT, por sus siglas en inglés). El servicio ejecuta estos trabajos sin que los usuarios tengan que aprovisionar GPU ni configurar clústeres. En pruebas con un conjunto de datos de código de 110,000 ejemplos, FFT alcanzó un 90 % de corrección semántica y superó a LoRA en todas las métricas de calidad. Para ejecutar FFT, basta con cambiar un parámetro en el mismo código que inicia un trabajo de LoRA.
Por qué importa
Las empresas pueden mejorar la precisión de los modelos en tareas complejas sin administrar infraestructura de GPU, lo que reduce los costos y la carga operativa.