AWS 教程：SFT+GRPO 微调 Qwen3-8B 搭建电商商品自动打标系统
AWS ML Blog · rss · 2026-09-16
AWS ML Blog 发布端到端教程：用 Amazon SageMaker serverless 模型定制微调 Qwen3-8B 构建零售商品目录自动打标系统。核心思路是当分类体系稳定、输出可程序化打分时，定制小模型比调提示词调前沿大模型更划算。
流程分三步：
- 数据准备：以 Kaggle Amazon Sales 数据集（1000+ 商品）为例，用 SageMaker Processing 作业把目录文本转成九类标签的 SFT/RLVR JSONL，并注册为版本化数据集。
- 训练：先用 SFTTrainer（LoRA，rank 16，3 epochs）教模型输出 schema，再用 RLVRTrainer + GRPO 以确定性奖励优化标签的查准/查全权衡；无需自选 GPU，训练容量由 AWS 托管。
- 部署：模型包部署到 ml.g6.2xlarge 异步推理端点做批量目录富化，可自建 vLLM 推理镜像。
文中强调 serverless 定制与旧式 Training Jobs 方案的差异，附完整代码。
「Infra」频道最新
- B200/H100 租金周内创新高，年内涨 47% 和 31% — TheZachMueller · 2026-11-02
- vikhyatk:通往奇点路上算力将交替出现过剩与短缺 — TheZachMueller · 2026-11-02
- Mac 端 PyTorch 10 月下载量达 329 万,环比涨 20.5% — LysandreJik · 2026-11-02
- CVSS 9.8 严重漏洞:ingress-nginx 可被未认证攻击者实现 RCE — evilsocket · 2026-11-02
- 内存涨价三倍，特斯拉把 Optimus 大脑内存砍掉三分之一 — aakashgupta · 2026-11-02
- 1.7B 本地模型 LFM3 在 MacBook 上首次答对曼城赛程查询 — NielsRogge · 2026-11-02