AWS: SageMaker donosi serverless fine-tuning NVIDIA Nemotron 3 modela s SFT, RLVR i RLAIF tehnikama

AWS je 10. srpnja 2026. u Amazon SageMaker AI uveo serverless prilagodbu NVIDIA Nemotron 3 modela — fino-tuniranje bez postavljanja i održavanja GPU infrastrukture. Fine-tuning je proces dodatnog treniranja gotovog modela na vlastitim podacima kako bi se specijalizirao za domenske zadatke; serverless pristup uklanja najveću prepreku, upravljanje klasterima.

Tri tehnike, tri razine zrelosti

Ponuda uključuje tri metode. SFT (Supervised Fine-Tuning) je klasično učenje iz označenih primjera. RLVR (Reinforcement Learning with Verifiable Rewards) koristi objektivno provjerljive nagrade — na primjer prolazi li generirani kod testove — i posljednjih je mjeseci postao ključna tehnika iza reasoning modela. RLAIF (Reinforcement Learning from AI Feedback) zamjenjuje ljudske ocjenjivače drugim AI modelom, čime drastično snižava trošak povratne petlje.

Zašto je dostupnost RLVR i RLAIF novost?

Dosad su RLVR i RLAIF bili domena istraživačkih laboratorija s vlastitom infrastrukturom i timovima. Njihova pojava kao managed serverless opcije znači da ih enterprise timovi mogu primijeniti bez dubinskog RL znanja — demokratizacija tehnika koje su donedavno bile rezervirane za frontier labove. Meta modela su NVIDIA Nemotron 3, obitelj otvorenih modela koju NVIDIA distribuira upravo za ovakvu prilagodbu.

Praktičan značaj

Za organizacije to znači kraći put od generičkog modela do specijaliziranog asistenta za vlastitu domenu — pravne, medicinske ili industrijske. AWS ovime jača poziciju u utrci platformi za prilagodbu modela, gdje se natječe s Google Vertex AI-jem i Azure AI-jem, nudeći kombinaciju otvorenih NVIDIA modela i naprednih RL tehnika u jednom upravljanom paketu.