Ein ML-Ingenieur muss ein großes Sprachmodell (LLM) für die Textzusammenfassung mithilfe von Amazon SageMaker feinabstimmen und dabei einen Low-Code/No-Code-Workflow verwenden. Welche Option erfüllt diese Anforderungen?

Die korrekte Option ist, SageMaker Autopilot zu verwenden, um ein LLM feinabzustimmen, das über SageMaker JumpStart bereitgestellt wird. SageMaker JumpStart bietet eine Sammlung vortrainierter Modelle, einschließlich LLMs, die direkt verwendet oder feinabgestimmt werden können. SageMaker Autopilot ist eine Low-Code/No-Code-Lösung, die die Modellentwicklung automatisiert, einschließlich der Feinabstimmung. Die Kombination dieser Dienste ermöglicht einen effizienten Workflow für die Feinabstimmung von LLMs ohne umfangreiche Codierung. Die anderen Optionen sind weniger geeignet: Die Feinabstimmung eines LLM in SageMaker Studio und die Bereitstellung auf EC2-Instanzen erfordert mehr manuelle Konfiguration und Codierung, was nicht dem Low-Code/No-Code-Ansatz entspricht. SageMaker Autopilot ist zwar eine Low-Code-Lösung, die Bereitstellung über einen benutzerdefinierten API-Endpunkt ist jedoch nicht die primäre Methode, die mit JumpStart für vorkonfigurierte LLMs vorgesehen ist. Die Bereitstellung auf Amazon EC2-Instanzen direkt von Autopilot aus ist nicht der standardmäßige, integrierte Bereitstellungspfad für feinabgestimmte Modelle, die mit Autopilot und JumpStart erstellt wurden.