北京2025年12月5日 美通社 －－ 亚马逊云科技在2025 re：Invent全球大会上，宣布Amazon Bedrock与Amazon SageMaker AI推出模型定制全新功能，助力客户构建更快速更高效的AI Agent。Amazon Bedrock中的Reinforcement Fine Tuning让模型更容易根据特定场景进行调整并提升准确率。Amazon SageMaker AI将高级模型定制流程从数月缩短到数天，加速AI开发并更快推出新方案。
效率已经成为企业部署AI时的核心挑战。尽管构建AI应用变得更容易，但在大规模环境中运行依然成本高昂且资源密集。这一挑战对于AI Agent尤为明显，因为Agent在执行推理、调用多种工具，以及协调多个系统时，推理负载更高。许多企业会选择最强大的大模型来驱动Agent，但Agent的大部分时间实际上花在查日程、搜文档等日常任务上，而这些任务并不需要高级智能。其结果就是：成本不必要地升高、响应速度变慢、资源被浪费。
解决方式在于定制化：使用更小、更专门化的模型来处理Agent最常执行的任务，以更低的成本提供更快、更准确的响应。但在此之前，强化学习等高级定制技术仍需要深厚的机器学习专业知识、大量基础设施投入，以及数月的开发周期。
今天，亚马逊云科技宣布Amazon Bedrock与Amazon SageMaker AI推出全新功能，使任何企业的开发者都能够使用先进的模型定制技术。Amazon Bedrock中的Reinforcement Fine Tuning（RFT）强化微调功能，以及Amazon SageMaker AI基于强化学习的无服务器模型定制功能，简化了构建高效AI的过程，基础模型经过定制后，在速度、成本与准确率方面的表现均获得显著提升。通过降低这些新技术的获取门槛，亚马逊云科技能够帮助各种规模的企业更轻松地构建适用于任意业务场景的定制化Agent。
借助Amazon Bedrock，让普通开发者也能轻松使用RFT强化微调
复杂的定制技术长期以来阻碍了高效定制模型的构建。以强化学习为例，它通过人类或模型的反馈来训练模型，奖励正确行为，纠正错误行为。强化学习特别适合推理与复杂工作流，因为它奖励的是“良好的过程”，而不仅仅是“正确答案”。然而，强化学习需要复杂的训练管线、大规模算力，以及昂贵的人类反馈或强大的AI模型来评估每一次输出。
Amazon Bedrock中的RFT强化微调功能显著简化了模型定制流程，使任何企业的开发者都能使用这一技术。Amazon Bedrock是一项全托管AI平台，向客户提供来自领先AI公司的高性能基础模型，并具备构建Agent与生成式AI应用所需的安全、隐私与负责任AI特性。使用RFT后，定制后的模型相比基础模型，平均可获得66％的准确率提升，使企业能够依靠更小、更快、成本更低的模型实现更好效果，而无需依赖昂贵的大模型。
整个流程非常简单。开发者只需选择基础模型，将其指向调用日志（也就是AI的历史记录），或上传一个数据集；然后选择奖励函数 基于AI、基于规则或使用预置模板。Amazon Bedrock的自动化工作流会从头到尾完成微调过程。你不需要机器学习博士学位，只需要清楚业务场景中“好结果”是什么样子。RFT在首批发布时将支持Amazon Nova 2 Lite模型，很快将会支持更多模型。
Salesforce与Weni by VTEX等客户在使用Amazon Bedrock中的RFT强化微调功能后，准确率与效率均获得显著提升。Salesforce Agentforce软件工程高级副总裁Phil Mui表示：“亚马逊云科技基于Amazon Bedrock RFT的基准测试结果令人瞩目，在我们特定业务需求中，相比基础模型的准确率最高提升达到73％。我们期待在现有监督微调成果的基础上进一步利用RFT，从而为客户提供更加精准、更具定制化的AI解决方案。这一方式很好地补充了我们现有的AI开发流程，同时延续了Salesforce一贯严格的质量与安全标准。”
Amazon SageMaker AI将模型定制周期从数月压缩至数天
对于需要更强AI工作流掌控力的团队，可以转向Amazon SageMaker AI。AI开发者倾向在定制场景选择Amazon SageMaker AI，因为它能够在大规模环境下提供构建、训练与部署能力的完全控制权。
自2017年推出以来，Amazon SageMaker AI一直在加速并优化AI开发流程。但随着越来越多企业希望使用更高级的定制技术，他们也需要更加流畅的体验，以消除那些耗时数月的阻碍 例如基础设施管理、合成数据生成等，从而专注于为客户开发更优的解决方案。因此，Amazon SageMaker AI现已提供新的无服务器模型定制功能，使模型定制可以在几天内完成。
用户可选择两种操作模式：以预览形式推出的Agent引导模式，由Agent引导开发者完成整个模型定制流程；或者为希望自主掌控过程的开发者提供的自主引导模式。在Agent引导模式中，开发者只需用自然语言描述需求，Agent便会引导完成从合成数据生成到模型评估的全部过程。而需要更高灵活性和细粒度控制的开发者可以选择自主引导模式，它无需管理基础设施，同时提供选择定制技术和调整参数所需的工具。
无论选择哪种方式，开发者都可以使用多种高级定制技术，包括Reinforcement Learning from AI Feedback、Reinforcement Learning with Verifiable Rewards、Supervised Fine－Tuning以及Direct Preference Optimization。这些Amazon SageMaker AI的新功能将支持Amazon Nova以及广受欢迎的开放权重模型，例如Llama、Qwen、DeepSeek和GPT－OSS，为客户提供多样化的选择，以匹配不同的业务场景需求。
Collinear AI、Robin AI和Vody等客户已经开始通过Amazon SageMaker AI的新功能简化模型定制流程。Collinear AI是一家面向企业级生成式AI的模型优化平台，通过Amazon SageMaker AI节省了数周时间。其联合创始人Soumyadeep Bakshi表示：“AI模型微调对构建高保真模拟至关重要，而过去这需要把训练、评估、部署等不同系统拼接在一起。现在，借助Amazon SageMaker AI新的无服务器模型定制能力，我们可以通过一种统一方式将实验周期从数周缩短到数天。这一端到端的无服务器工具让我们能够专注于真正重要的事情：为客户构建更高质量的训练数据和模拟，而不是维护基础设施或在不同平台之间切换。”