AWS、SageMaker AIに「Training Sessions」を投入

Amazon Web Services（AWS）は現地時間10月22日、機械学習プラットフォーム「Amazon SageMaker AI」の新機能「Training Sessions」を正式に発表した。開発者が学習手順と評価基準をコードで定義できる一方、GPUの割り当て、分散学習、障害復旧、チェックポイント管理はAWS側が担う。

開発者は、AIが回答を生成する方法、結果を評価する方法、モデルを更新する方法をカスタマイズできる。カスタム報酬関数や多段階の学習にも対応する。AWSは例としてGroup Relative Policy Optimization（GRPO）を挙げ、評価関数が複数の回答を採点し、その相対スコアに基づいてモデルを更新する仕組みを説明した。カスタマイズの範囲はLoRAからフルファインチューニングまで及ぶ。

初期利用企業として、医療請求の拒否を分類するモデルを構築したImagineSoftwareと、Amazon Neptuneのナレッジグラフを扱うエージェント向けにGPT-OSS-20BをカスタマイズしたKarini AIが挙げられている。対応モデルにはGPT-OSS-20B、Gemma-4-31B-it、Qwen3.6-27B、Qwen3.8-27Bが含まれる。利用はSageMaker StudioまたはPython SDKから可能だ。

料金はGPU時間の予約ではなく処理トークン数に基づき、開発者が書いた評価コードが結果を確認している間は課金が停止する。顧客の学習データとモデルチェックポイントは、顧客が選択したリージョンのAmazon S3に保存され、顧客データが他のモデルの学習に使われることはないとしている。AWSは精度向上や顧客あたりの総学習コストに関する具体的な数値は開示していない。この内容はaitimes.comが報じた。

背景

SageMaker AIはこれまでもモデルのファインチューニングやカスタム学習コードによる強化学習に対応していたが、開発者がGPUインスタンスの種類、学習環境、分散学習の設定を自身で行う必要があった。2025年12月には、インフラ管理の負担を軽減するサーバーレス型のモデルカスタマイズ機能を導入したが、学習プロセスに対する細かな制御は限られていた。