AWS、GPU管理不要でモデル事後学習を制御できる「SageMaker AI」新機能を一般提供

要点

• 米アマゾン・ウェブ・サービス（AWS）は現地時間2026年10月22日、機械学習プラットフォーム「Amazon SageMaker AI」の新機能「トレーニングセッション」の一般提供を開始した。

• GPUの割り当てやクラスタ管理などのインフラ運用を完全にサーバーレス化しつつ、独自の損失関数や報酬シグナルを含む学習ループを直接記述・制御できる。

• 教師ありファインチューニング（SFT）からマルチターン強化学習まで多様な事後学習手法をサポートし、LoRAやフルファインチューニング、複数手法の連携にも対応する。

• データ準備から評価、デプロイまでを自律的に支援するエージェントスキルや、各種コーディング環境との連携ツールを提供する。

• 米アマゾン・ウェブ・サービス（AWS）は現地時間2026年10月22日、機械学習プラットフォーム「Amazon SageMaker AI」において、インフラ管理を伴わずにモデルの事後学習を細かく制御できる新機能「トレーニングセッション（training sessions）」の一般提供（GA）を開始したと発表した。開発者は基盤となるGPUクラスタの構築や運用を行うことなく、独自の損失関数や報酬シグナルを組み込んだ高度な学習ループを直接実装できるようになる。今回のリリースにより、同社が展開してきたサーバーレスモデルカスタマイズ機能がさらに拡張された形となる。

背景：モデル調整の必要性とインフラ管理の負担

AWSの発表によると、AIの活用現場では汎用的な基礎モデル（事前に大規模データで構築された基盤モデル）をそのまま利用するだけでなく、自社の業務文脈や製品カタログ、専門用語に合わせてオープンウェイトモデル（重み情報が公開されているモデル）を調整する需要が高まっているという。事後学習（事前学習済みモデルを特定のタスクや好みに適合させる追加の学習工程）を施すことで、実務における回答精度の向上や推論運用の低コスト化が期待できるためだ。特に自律的に動作するAIエージェントの開発においては、組織独自のデータや業務フロー、成功基準に沿ってモデルの振る舞いを設計することが不可欠とされている。

一方で、モデルのカスタマイズには高い技術的障壁が存在していた。目的に適した学習手法の選定に加え、GPUインフラの調達・クラスタ運用、分散学習の構成管理が必要であり、特に複数回のやり取りを伴う強化学習環境の構築には多大な工数がかかっていたという。SageMaker AIではこれまでもサーバーレスなモデルカスタマイズ機能を提供してきたが、今回提供されたトレーニングセッションによって、さらなる自由度を開発者に開放するとしている。

GPU管理を不要にしつつ自由な学習ループの記述を実現

トレーニングセッションの最大の特徴は、インフラの運用負荷を排除しながら、事後学習の内部ロジックに対する自由な制御権を確保できる点にある。ユーザーはインスタンスタイプを選定したり、クラスタを監視したり、分散学習の設定を手動で記述したりする必要がない。基盤となるGPUの割り当てや分散実行、耐障害性を備えた障害復旧、チェックポイントの保存といったインフラ関連の処理はすべてSageMaker AIが自動で引き受ける。

その上で、開発者は学習ループの全体設計を柔軟に記述できる。独自の損失関数や報酬シグナルをコード上で直接定義し、 forward パスや backward パス、オプティマイザのステップなどを細部までコントロールできる仕組みとなっている。

多様な手法と更新範囲の柔軟な選択

トレーニングセッションでは、幅広い事後学習の手法がサポートされている。模範データを与えて学習させるSFT（教師ありファインチューニング）をはじめ、人間の好みに合わせるDPO（直接選好最適化）、RLVR、RLAIF、さらには複数回の対話を評価するマルチターン強化学習まで幅広く対応する。

パラメータの更新手法についても、モデル全体を再学習するフルファインチューニングに加え、更新対象を限定して効率的に調整するLoRA（Low-Rank Adaptation：低ランク適応）を選択できる。また、これらの手法を単発で適用するだけでなく、複数の手法を連続して連携させる「継続的カスタマイズ（continuous customization）」にも対応しているという。

エージェント支援と開発環境の統合

開発プロセスを迅速化するための支援環境も用意されている。AWSは具体的な実装例やユースケースをまとめた「SageMaker AI training sessions cookbook」を公開した。

さらに、モデルカスタマイズを支援する専用のエージェントスキルも提供される。利用者がユースケースの要件を記述すると、エージェントがデータの事前準備、適切な手法の選定、実際の学習プロセス、評価、そしてデプロイまでの一連のタスクを自動で処理する。このエージェント機能はSageMaker Studio上だけでなく、Kiro、Claude Code、Codex、GitHub Copilotといった開発者が日常的に利用する外部の開発環境やコーディングツール上でも動作すると説明されている。

複雑化していたエージェント向け強化学習のワークフローを一本化

AWSは、特にAIエージェントの学習において重要視されている「マルチターン強化学習（複数回の対話や試行を経て最終的な成果を最適化する学習手法）」におけるメリットを挙げている。旅行の手配や問い合わせ対応のトリアージ、複数段階のリサーチを実行するエージェントでは、数回のやり取りを繰り返して初めて望ましい結果が得られたかを判定できる。

しかし、従来のマルチターン学習環境では、回答生成用の推論インフラと学習用のコンピュートを別々に動かし、出力を採点して次のパラメータ更新に反映するなど、異なるツールやクラスタ間を接続する複雑なパイプライン管理が必要だった。SageMaker AIではすでにマネージドなマルチターン強化学習を提供していたが、今回のトレーニングセッションにより、自前の損失関数や報酬設計をひとつのループ内で一貫して実装できるようになり、エージェント開発の柔軟性が一段と向上したとしている。

先行導入事例：医療分野での実証

元記事では、トレーニングセッションを先行導入した米ImagineSoftwareの事例が紹介されている。同社は医療保険の請求否認トリアージモデルの構築に本機能を採用した。

同社データサイエンス担当シニアバイスプレジデントのRob Gontarek氏は、フォワードパスやバックワードパス、サンプリング、オプティマイザの更新ステップを直接操作できる低レベルAPIが提供されたことで、高い精度が求められる強化学習の要件を厳密に満たすことができたと評価している。同氏は、本番環境レベルの性能を追求する上で必要な基本機能が揃っているとコメントを寄せている。