SageMaker AI 无服务器训练会话正式可用
先了解这件事
2026年10月23日，AWS 在机器学习博客宣布，Amazon SageMaker AI 的 serverless 模型定制功能中的 training sessions（训练会话）正式推出（GA）。该功能把抽象边界下移到训练操作层面：用户可在本地 Python 中自行编写训练循环、损失函数和奖励信号，通过 forward_backward()、optim_step()、sample() 等 API 调用服务托管的 GPU 训练会话，而无需自己管理 GPU。SageMaker 负责 GPU 分配、分布式执行、故障恢复和 checkpoint 存储，支持 SFT、偏好优化和自定义强化学习（RL）等训练方式。目前该事件仅有同日发布的这两条 AWS 官方一手报道，二者内容一致、无矛盾之处，尚无后续进展或第三方信息。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AWS Machine Learning Blog精选AWS SageMaker AI 推出 serverless training sessions，无需管理 GPU 即可自定义模型
AWS 宣布 Amazon SageMaker AI serverless 模型定制正式推出 training sessions（GA），用户可自行编写训练循环、损失函数和奖励信号，SageMaker 负责 GPU 分配、分布式执行、故障恢复和 checkpoint 存储。
- AWS Machine Learning BlogAmazon SageMaker AI 推出 training session APIs：自己写训练循环、无需管理 GPU
Amazon SageMaker AI 推出 training session APIs，把抽象边界下移到训练操作，用户在本地 Python 写训练循环，通过 forward_backward()、optim_step()、sample() 等调用服务托管的 GPU 会话，支持 SFT、偏好优化和自定义 RL，服务负责分布式执行、故障恢复与 checkpoint。
本事件热度走势
当前热度9·可比范围峰值10（10月23日 03:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。