AB
AiBoss站
快讯

亚马逊SageMaker新增AI数据准备能力,覆盖合成数据与自动标注

AWS宣布为Amazon SageMaker AI新增AI数据准备能力,涵盖自动标注、人工复核、合成数据生成、数据质量评估与数据转换,可通过Python SDK或AI-ML agent skill在笔记本与IDE中调用。

核心事实

AWS 于 11 月 17 日发布博客,宣布为 Amazon SageMaker AI 扩展 AI 数据准备能力,用于模型开发流程中的数据集构建。据该博客介绍,新能力包含五类可独立使用或串联的模块:自动标注(支持分类、命名实体识别、抽取式问答、序数评分、摘要等内置任务及自定义任务)、人工复核、合成数据生成、数据质量评估和数据转换。用户可通过 SageMaker Python SDK 调用,也可借助 AI-ML agent skill 在 SageMaker Studio JupyterLab、Kiro 或本地 IDE 的编码助手中触发。

背景与影响

博客指出,微调开放权重模型、强化学习或构建评测集都依赖准确、标注良好且具代表性的数据,但数据准备往往是项目中最慢的环节:标注样本稀缺或昂贵,隐私规则限制可用数据,重复、标签噪声与答案泄漏等问题常在训练结果不佳后才被发现。AWS 称,新能力旨在让数据科学家不必手工拼接标注工具、生成脚本与校验任务。博客引用 Splunk(思科旗下公司)工程总监 Yash Sheth 的说法,称合成数据生成能力帮助其更快、更可靠地生成具统计代表性的合成数据集。

限制与来源

上述内容来自 AWS 官方博客的发布说明,属于厂商自述,博客未披露各能力的计费方式、区域可用范围、配额与正式可用状态,相关细节需以 AWS 官网当前信息为准。博客提到的人工复核队列基于开源 Label Studio Community Edition,外部专家可通过 SageMaker Studio 中的链接访问。本文未对性能、成本或适用性作独立验证。