이번 포스트에서는 Amazon SageMaker AI를 이용해 Supervised Fine-Tuning(SFT)과 Direct Preference Optimization(DPO)를 결합하여 소형 언어 모델(SLM)의 도구 호출 정확도를 개선하는 방법을 배울 수 있습니다. 이 예제는 Amazon SageMaker AI의 훈련 작업을 사용하므로, 사용자는 훈련 코드를 작성하는 데 집중할 수 있고, 자체 훈련 인프라를 관리할 필요가 없습니다. 또한, 도구 호출 정확도를 평가하고 기본 모델과 여러 개의 미세 조정된 변형을 비교하는 방법도 배울 수 있어, 모델 품질에 대한 데이터 기반 결정을 내리는 데 도움을 줍니다.

<AWS Blog 뉴스 본문 전체읽기>