在 Amazon SageMaker AI 上通过知识蒸馏构建高效智能体 | Amazon Web Services

📌 One-Sentence Summary
本文介绍如何利用 Amazon SageMaker AI 进行序列级知识蒸馏(SeqKD),通过对多步轨迹进行监督微调,将前沿教师模型的行为蒸馏到更小、更具成本效益的购物智能体中。
📝 Summary
文章介绍序列级知识蒸馏(SeqKD)作为一种高性价比的方法,通过将前沿教师模型的行为迁移到更小的学生模型,来构建高效的 AI 智能体。文中详细阐述了在 Amazon SageMaker AI 上蒸馏购物助手智能体的实践实现:使用 Amazon Bedrock 上的 GLM-5.3 作为教师模型生成多步轨迹,用 ShoppingBench 的评分器进行过滤,将其编码为监督微调数据,并通过无服务器 LoRA 微调训练 Qwen3.5-4B 学生模型。该流程涵盖数据集准备、轨迹编码、训练配置与评估,展示了如何通过知识蒸馏在保持智能体性能的同时实现显著的成本节约。
💡 Main Points
序列级知识蒸馏(SeqKD)通过对教师模型生成的轨迹进行监督微调,将前沿模型的行为迁移到更小的模型。
SeqKD 使用教师模型生成高质量回复,然后在这些回复上训练学生模型,无需教师权重、logits 或梯度,因此即使教师模型仅提供 API 也具备成本效益和可移植性。
多步智能体轨迹非常适合 SeqKD,因为序列本身就代表了需要被复制的行为。
对于智能体而言,教师模型的输出是包含推理、工具调用和观察结果的轨迹,在此基础上训练学生模型,既能教会其推理过程,也能教会多步动作序列,而不仅仅是文本回复。
该实现采用拒绝采样配合程序化评分器,仅筛选成功的轨迹用于训练。
通过对每个问题采样多次教师尝试,并使用 ShoppingBench 的评分器仅保留已解决的轨迹,该方法能够从一个能力强但并非完美的教师模型中构建出干净的训练集。
在 SageMaker AI 上使用 LoRA 进行无服务器微调,无需管理基础设施即可实现高效的模型定制。
训练使用 SageMaker 托管的 SFT 训练器,配合 LoRA 适配(rank 64)、无服务器资源配置和 MLflow 跟踪,只需配置数据集和调整超参数。
轨迹编码必须在 token 限制与信息保留之间取得平衡,通过压缩工具观察结果并限制步数来实现。
每个轨迹步骤都会成为一行训练数据,包含对话历史和下一步动作,需要仔细裁剪观察结果并管理长度,以适配 16,384 token 的限制。
💬 Key Quotes
知识蒸馏通过将更大的「教师」模型的行为迁移到更小的「学生」模型中来弥合这一差距,训练学生模型复现教师模型的输出,从而以更小模型的速度和成本保留大部分质量。
SeqKD 只需要教师的文本,无需访问教师 logits,也不需要强化学习基础设施,因此即使教师模型是闭源的或仅提供 API 也能奏效。
教师写出答案,学生在其上进行微调。由于这些答案会作为数据集持久保存,你可以复用它们来训练或测试不同的学生模型,而无需重新生成数据。
对于智能体而言,教师产生的序列不是一段散文,而是一条轨迹,即推理、工具调用及其返回观察结果的有序运行过程,其中每一步都以之前的所有内容为条件。
与其让限制决定哪些内容被截断,不如让每行保持在预算之内。最有效的解决办法是压缩工具观察结果,因为它们占据了 token 数量的大头。
📊 Article Meta
AI Screening: 88
Source: AWS Artificial Intelligence
Author: Giuseppe Zappia
Category: 人工智能
Language: 英文
Read Time: 21 min
Word Count: 5120
Tags:
AI 与智能应用 , 模型训练与推理 , AI 工程 , AI Agent , 提示工程
路过
点赞,必须点赞
这篇文章分析得很透彻,收藏了!
赞同,实践出真知。
实话,说的不明不白
刚好最近在找这方面的资料,太及时了。
讲解得很细致,新手也能看懂。
楼主辛苦了,内容很有参考价值。
点赞,必须点赞
内容翔实,正好需要,先收藏再看。
很有价值的分享,感谢整理。
实测过类似工具,作者说的基本属实。