ML-инженеру необходимо дообучить большую языковую модель (LLM) для суммаризации текста с использованием Amazon SageMaker, при этом требуется использовать low-code/no-code подход. Какой вариант соответствует этим требованиям?

Правильный ответ — использование SageMaker Autopilot для дообучения LLM, которая развертывается через SageMaker JumpStart. SageMaker Autopilot предоставляет low-code/no-code подход для автоматического подбора и настройки моделей, что соответствует требованию минимизации кодирования. SageMaker JumpStart предлагает готовые предварительно обученные модели, включая LLM, которые можно дообучить и развернуть, обеспечивая простой и быстрый старт. Вариант с SageMaker Studio и EC2 инстансами не является low-code/no-code, так как требует ручного управления развертыванием и более глубокого понимания инфраструктуры. Использование SageMaker Autopilot с кастомной конечной точкой API или развертыванием на EC2 инстансах также не полностью соответствует low-code/no-code подходу, поскольку JumpStart упрощает процесс развертывания предварительно обученных моделей.