Markdown आवृत्ती

AI-translated from English; not yet reviewed by a fluent editor.

# SageMaker मल्टी-टर्न RL: प्रशिक्षणापूर्वी शोध पथकाने काय तपासावे

> AWS च्या Qwen3.6-27B एजंटने शोधाच्या चारपैकी तीन होल्डआउट बेंचमार्कमध्ये सुधारणा नोंदवली. या मार्गदर्शकात चाचणीपूर्वीची SageMaker मांडणी, खर्च आणि मूल्यमापन समजावले आहे.

By BIG CHANGE Editorial

Published: 2026-10-04T17:55:25.736Z
Updated: 2026-10-04T17:55:25.736Z
Canonical: https://bigchange.ai/blog/fine-tune-search-agent-sagemaker-multi-turn-rl

![Paired bar chart of AWS-reported held-out nDCG@10 for a Qwen3.6-27B search agent. Base to fine-tuned: WixQA 0.5725 to 0.6781; Wands 0.5762 to 0.6112; FreshStack 0.4112 to 0.4089, a small decline; BrowseComp-Plus 0.5136 to 0.6354.](https://bigchange.ai/api/media/file/aws-mtrl-held-out-ndcg-chart-v1.png)
BIG CHANGE graphic; data: AWS Machine Learning Blog

## मोठा बदल

आपल्या [2 ऑक्टोबरच्या मार्गदर्शिकेत](https://aws.amazon.com/blogs/machine-learning/fine-tune-a-search-agent-with-multi-turn-rl-on-amazon-sagemaker-ai/), AWS ने SageMaker AI मधील मल्टी-टर्न रीइन्फोर्समेंट लर्निंग (MTRL) वापरून Qwen3.6-27B शोध एजंटचे fine-tuning कसे करावे हे सांगितले आहे. वरील आलेखात AWS ने नोंदवलेले होल्डआउट nDCG@10 गुण दाखवले आहेत: WixQA, Wands आणि BrowseComp-Plus मध्ये ते वाढले, तर FreshStack मध्ये किंचित घटले. BIG CHANGE ने AWS च्या आकड्यांवरून आलेख तयार केला; आम्ही एजंटची स्वतंत्र चाचणी केलेली नाही किंवा निष्कर्षांची पुनरावृत्ती केलेली नाही. या पद्धतीत साधनांचा वापर करणाऱ्या निर्णयांच्या मालिकेच्या परिणामावरून मॉडेल प्रशिक्षित केले जाते.

काम सबमिट करण्यापूर्वी मशीन लर्निंग अभियंत्याने मॉडेल आणि प्रदेश समर्थित आहेत का, एजंट SageMaker च्या rollout loop मध्ये सहभागी होऊ शकतो का, prompts आणि rewards अपेक्षित शोधकार्य दाखवतात का, आणि स्वतंत्र मूल्यमापन संच कामगिरीतील घसरण उघड करू शकतो का हे तपासावे. हा लेख AWS च्या दस्तऐवजांवर आधारित आहे; BIG CHANGE ने AWS काम चालवलेले नाही किंवा त्याचे API कॉल केलेले नाहीत.

## प्रशिक्षणाच्या चक्रात MTRL काय बदलते

Supervised fine-tuning मध्ये अपेक्षित वर्तन दाखवणाऱ्या उदाहरणात्मक trajectories लागतात. AWS च्या MTRL वर्णनानुसार, SageMaker त्याऐवजी एजंटकडे prompts पाठवते; अनेक टप्प्यांत एजंट policy model आणि त्याची साधने कॉल करतो आणि rollout पूर्ण झाल्यावर reward कळवतो. त्या प्रतिसादानुसार मॉडेल अद्ययावत होते. शोधकामात reward अंतिम क्रमवारीचे मूल्यमापन करू शकतो, त्यामुळे सुरुवातीच्या query निवडी संपूर्ण शोधसत्राच्या संदर्भात सुधारल्या जातात.

साधनांचे कॉल आधीच्या निकालांवर अवलंबून असतील तेव्हा हा फरक महत्त्वाचा ठरतो. मॉडेलने पहिली query चुकीची केली, कमकुवत निकाल मिळाले आणि ती पुन्हा मांडण्याची गरज पडली, तर कामाच्या शेवटी दिलेला reward त्या टप्प्यांच्या मालिकेने अखेरीस संबंधित दस्तऐवज शोधले का हे दाखवू शकतो. तरी ‘संबंधित’ म्हणजे काय हे ठरवावेच लागते आणि पथकाची शोधसाधने कॉल करू शकणारा एजंट तयार करावा लागतो.

## प्रवेश, मॉडेल आणि प्रदेश आधी तपासा

2 ऑक्टोबरचे उदाहरण US West (Oregon) प्रदेशात चालवले होते, `us-west-2`, आणि त्यात Qwen3.6-27B चे fine-tuning केले होते. [SageMaker MTRL समर्थित मॉडेल्सची सारणी](https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-mtrl.html), 4 ऑक्टोबर 2026 रोजी तपासली असता, चार मॉडेल्सच्या सहा मॉडेल-प्रदेश जोड्या दाखवते: Nova Lite 2.0 आणि GPT-OSS-20B हे US East (N. Virginia) मध्ये, `us-east-1`, तसेच US West (Oregon) मध्ये, `us-west-2`; Gemma-4-31B-it आणि Qwen 3.6 27B फक्त Oregon मध्ये समर्थित आहेत. काम तयार करायचे आहे त्या प्रदेशातील अद्ययावत सारणी तपासा; यादीत मॉडेल असणे म्हणजे ते इतरत्रही उपलब्ध आहे याचा पुरावा नव्हे.

Studio इंटरफेस वापरणार असल्यास पथकाला AWS खाते आणि SageMaker Studio domain देखील लागेल; डेटासेट आणि आउटपुटसाठी S3 प्रवेश, तसेच नवीन MTRL काम आणि runtime कॉलसाठी IAM roles कॉन्फिगर कराव्या लागतील. AWS च्या पूर्वअट दस्तऐवजात कॉल करणाऱ्याला `CreateJob` आणि संबंधित कामांच्या कृतींसाठी, तसेच execution role पुढे देण्यासाठी `job.sagemaker.amazonaws.com` यांची परवानगी लागते. Execution role ला `AmazonSageMakerJobFullAccess` policy आणि trust policy मध्ये तो service principal लागतो. एजंटच्या runtime role ला `AmazonSageMakerJobRuntimeAccess` लागते; AgentCore runtime ला स्वतःचा trust relationship देखील आवश्यक असतो. Studio मधील runtime picker साठी AgentCore यादीत दाखवण्याची परवानगी लागते. AWS नुसार, आधीपासून असलेला व्यापक SageMaker प्रवेश या सर्व नव्या कामांच्या कृती आपोआप समाविष्ट करत नाही.

दस्तऐवजांत एजंट चालवण्याचे दोन मार्ग आहेत. Managed hosting साठी Bedrock AgentCore वर deploy करा; AWS नुसार Strands वापरून बनवलेल्या एजंटांसाठी हा मार्ग सर्वोत्तम चालतो. किंवा custom एजंट host करून Lambda forwarder द्वारे जोडा. एजंटला rollout prompts मिळतात; तो SageMaker job runtime मधून policy model कॉल करतो, शोधसाधने वापरतो, प्रत्येक rollout पूर्ण करतो आणि reward कळवतो. AWS चा SDK decorator या एकत्रीकरणाचा बराच भाग हाताळतो; custom frameworks थेट runtime APIs कॉल करू शकतात. Lambda function चे नाव ठरावीक पद्धतीचे नसेल, तर तिचा ARN permission policy मध्ये स्पष्टपणे जोडावा लागू शकतो, असे AWS सांगते. ग्राहक-व्यवस्थापित VPC किंवा KMS key वापरल्यास अतिरिक्त मांडणी करावी लागते.

## प्रत्यक्ष शोधकामासाठी prompts आणि reward तयार करा

SageMaker ची asset मार्गदर्शिका Parquet, JSON Lines, JSON किंवा CSV स्वीकारते. ती `prompt` नावाचा column शोधते; तो नसेल तर पहिला column वापरून त्याची किंमत जशीच्या तशी एजंटकडे पाठवते. सेवा prompt मजकूर parse, validate किंवा transform करत नाही. साधनांचा वापर करणाऱ्या शोधकामासाठी prompt मध्ये संभाषण संदेश, कामाचे metadata, reward specification आणि एजंटला अपेक्षित स्वरूपातील साधनांची मांडणी असू शकते. Prompts कोणतीही तपासणी न करता पुढे पाठवले जातात, असा AWS चा इशारा आहे; त्यामुळे संवेदनशील माहितीचे संरक्षण पथकाची जबाबदारी राहते. संग्रहण आणि एजंटपर्यंतच्या मार्गात encryption किंवा इतर योग्य संरक्षण ठेवा.

Reward म्हणजे मॉडेल ज्या उद्दिष्टात सुधारणा करेल ते. AWS च्या उदाहरणात शेवटी मिळालेल्या दस्तऐवजांसाठी nDCG@10 वापरले आहे आणि एजंट turn किंवा sampling-token मर्यादेपर्यंत पोहोचल्यास -1 reward दिला आहे. क्रमवारीनुसार retrieval कामासाठी हा ठोस आरंभबिंदू आहे; मात्र मूल्यमापनाचे पर्याय महत्त्वाचे ठरतात: विश्वासार्ह relevance labels किंवा गुणांकनाची दुसरी समर्थनीय पद्धत लागते. Reward मुळे वरवरची क्रमवारी सुधारून उत्तरांची गुणवत्ता, latency किंवा साधनांचा खर्च बिघडत नाही ना हेही तपासा.

ब्लॉगनुसार, प्रशिक्षण मिश्रणात FRAMES, BRIGHT, Enterprise RAG, ESCI, Musique आणि MLQA होते; प्रत्येक dataset मधील पाच टक्के प्रशिक्षण उदाहरणे validation साठी राखून ठेवली होती. होल्डआउट test set मध्ये FreshStack, WixQA, BrowseComp-Plus आणि Wands होते. सार्वजनिक किंवा synthetic datasets हे पथक प्रत्यक्ष हाताळणार असलेल्या खासगी corpus आणि query वितरणावरील मूल्यमापनाची जागा घेऊ शकत नाहीत.

## लहान आणि तपासण्याजोगे काम सबमिट करा

त्या [2 ऑक्टोबरच्या AWS ब्लॉगमध्ये](https://aws.amazon.com/blogs/machine-learning/fine-tune-a-search-agent-with-multi-turn-rl-on-amazon-sagemaker-ai/) code snippet साठी वेगळे SDK import आणि argument नावे आहेत. सध्याचा [SageMaker training-job संदर्भ](https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-mtrl-job.html) Bedrock AgentCore runtime साठी API चे पुढील स्वरूप दाखवतो. या उदाहरणात AWS दस्तऐवजांतील सध्याचा GPT-OSS-20B model identifier वापरला आहे. अपेक्षित प्रदेशात उपलब्ध असलेले मॉडेल निवडा आणि उदाहरण बदलण्यापूर्वी समर्थित मॉडेल्सची अद्ययावत सारणी तपासा. सध्याच्या उदाहरणासाठी MLflow app ARN, role ARN आणि EULA स्वीकारणेही आवश्यक आहे.

```python
from sagemaker.train.multi_turn_rl_trainer import MultiTurnRLTrainer

trainer = MultiTurnRLTrainer(
    model="openai-reasoning-gpt-oss-20b",
    agent_env="arn:aws:bedrock-agentcore:us-west-2:123456789012:runtime/my-agent-runtime",
    training_dataset="s3://my-bucket/prompts/prompts.parquet",
    mlflow_app_arn="arn:aws:sagemaker:us-west-2:123456789012:mlflow-app/mlflow-app-id",
    s3_output_path="s3://my-bucket/output/",
    role="arn:aws:iam::123456789012:role/SageMakerRole",
    accept_eula=True,
)

trainer.hyperparameters.max_epochs = 1
trainer.hyperparameters.global_batch_size = 32
trainer.hyperparameters.max_steps = 12
job = trainer.train(wait=True)
```

हे सध्याच्या AWS दस्तऐवजांतील उदाहरण आहे; BIG CHANGE ने तपासलेली command नाही. 2 ऑक्टोबरच्या AWS ब्लॉगमध्ये वेगळे `sagemaker.modules.train` import, `model_id`, `agent_endpoint`, `training_dataset_s3_uri` आणि `output_s3_uri` arguments आहेत. ते सध्याच्या job guide पेक्षा वेगळे असल्यामुळे नवीन अंमलबजावणीसाठी सध्याचा संदर्भ वापरा आणि आपल्या वातावरणातील SDK आवृत्ती व मॉडेलच्या गरजा तपासा; ब्लॉगचे उदाहरण SDK च्या जुन्या आवृत्तीचे आहे की दस्तऐवजांतील विसंगती, हे आम्ही ठरवलेले नाही. Studio UI हा दस्तऐवजांत दिलेला दुसरा सबमिशन मार्ग आहे: समर्थित JumpStart model निवडा, Multi-Turn Reinforcement Learning निवडा, AgentCore runtime किंवा Lambda forwarder सेट करा, प्रशिक्षण डेटा द्या आणि सबमिट करा.

पहिल्या चाचणीसाठी मॉडेल, प्रदेश, dataset आवृत्ती, reward, मर्यादा, hyperparameters आणि आउटपुटचा मार्ग नोंदवा, जेणेकरून पुढील मूल्यमापन त्याच baseline शी तुलना करता येईल. ग्राहक-व्यवस्थापित VPC वापरत असल्यास AWS च्या स्वतंत्र VPC मार्गदर्शिकेनुसार दोन Availability Zones मध्ये private subnets, S3 आणि CloudWatch Logs साठी VPC endpoints, आणि गरजेनुसार AgentCore किंवा Lambda endpoint लागतो; वापरल्यास MLflow साठीही endpoint आवश्यक आहे. Execution role ला ENI व्यवस्थापनाच्या परवानग्या लागतात. पर्यायी ग्राहक-व्यवस्थापित KMS मार्गासाठी कॉल करणारी व्यक्ती, execution role आणि runtime यांच्यासाठी अतिरिक्त परवानग्या व key-policy मांडणी लागते; डिफॉल्टने विश्रांतीतील डेटा AWS-मालकीच्या KMS key ने encrypt केला जातो. यांपैकी कोणतीही मांडणी वापरण्यापूर्वी VPC आणि encryption मार्गदर्शिका वाचा. सबमिशनपूर्वी खाते quotas तपासा: AWS डिफॉल्टने एका वेळी एक MTRL fine-tuning काम आणि एक मूल्यमापन काम दाखवते; दोन्ही Service Quotas मधून बदलता येतात. Job-management API throttling मर्यादा बदलता येत नाहीत.

## deploy करण्यापूर्वी होल्डआउट prompts वर मूल्यमापन करा

AWS च्या मूल्यमापन दस्तऐवजांनुसार evaluation prompts प्रशिक्षणापासून वेगळे ठेवा, तोच prompt format वापरा, महत्त्वाची साधने व त्यांची जोडणी समाविष्ट करा, आधी अपयशी ठरलेली प्रकरणे घ्या आणि संवेदनशील मजकूर सुरक्षित ठेवा. SageMaker evaluator prompt set वर candidate चालवून reward, pass@k आणि trajectory metrics देऊ शकतो. Fine-tuned model चे मूल्यमापन आणि त्याच तुलना pipeline मध्ये base model चे ऐच्छिक मूल्यमापन कसे करावे हे दस्तऐवज दाखवतात.

प्रशिक्षणापूर्वी मूल्यमापनाची पद्धत ठरवा. live agent ला येणाऱ्या queries, permissions आणि दस्तऐवजांतील बदल दर्शवणारा स्थिर होल्डआउट संच ठेवा. Base आणि fine-tuned मॉडेल्सची तुलना तीच साधने, मर्यादा आणि scoring code वापरून करा. फक्त सरासरी retrieval score नव्हे, तर कामातील अपयश, turns ची संख्या, latency, token वापर आणि संबंधित दस्तऐवज वरच्या क्रमवारीतून नाहीसे होणारी प्रकरणे तपासा. AWS चे evaluation काम कसे सबमिट करावे हे दस्तऐवज स्पष्ट करतात; एखादा एकच metric production मधील शोधगुणवत्ता पूर्ण मोजतो असे ते सिद्ध करत नाहीत.

AWS च्या लेखात पुढील होल्डआउट निकाल दिले आहेत:

| Dataset (प्रश्न) | Base nDCG@10 | Fine-tuned nDCG@10 | Base अपयश दर | Fine-tuned अपयश दर |
| --- | --- | --- | --- | --- |
| WixQA (400) | 0.5725 | 0.6781 | 0.67% | 0.17% |
| Wands (147) | 0.5762 | 0.6112 | 0.00% | 0.00% |
| FreshStack (672) | 0.4112 | 0.4089 | 0.20% | 0.05% |
| BrowseComp-Plus (830) | 0.5136 | 0.6354 | 22.89% | 0.68% |

तक्त्यात nDCG@10 मध्ये तीन वाढी आणि FreshStack मध्ये एक छोटी घट दिसते. turn किंवा token मर्यादा गाठल्याबद्दल दिलेला दंड हे BrowseComp-Plus मधील कमी अपयशदराचे कारण असल्याचे AWS सांगते. या आकड्यांसोबत ब्लॉग confidence intervals किंवा statistical significance analysis देत नाही. Fine-tuned मॉडेलने WixQA वर सरासरी 4.5 विरुद्ध 4.3 आणि Wands वर 2.9 विरुद्ध 2.2 turns वापरल्याचेही त्यात म्हटले आहे; त्यामुळे turns सर्वत्र कमी झाले नाहीत. याकडे विक्रेत्याने नोंदवलेला प्रयोग म्हणून पाहा—स्वतंत्र पडताळणी किंवा दुसऱ्या corpus मध्ये सुधारणा होईल याचा पुरावा म्हणून नव्हे.

## संपूर्ण चाचणीचा खर्च मोजा

AWS च्या MTRL दस्तऐवजांत प्रशिक्षणाच्या तीन शुल्क-घटकांचे वर्णन आहे: input म्हणून process केलेले prefill tokens, rollouts दरम्यान निर्माण झालेले sampled tokens आणि training updates. किंमतपृष्ठावर मॉडेलनिहाय दर दिले आहेत; ते आणि rollouts चे प्रमाण, sequence lengths, epochs व runtime मिळून अंदाज ठरतो. उदाहरण लेख एकूण बिल सांगत नाही आणि दस्तऐवज सार्वत्रिक चाचणी किंमत देत नाहीत. निवडलेल्या मॉडेल व प्रदेशाचा सध्याचा दर तपासा आणि ठरावीक खर्च गृहीत न धरता अपेक्षित कामाच्या वापरावरून अंदाज करा.

अंदाजात पूरक खर्चही धरा: प्रशिक्षण, validation, checkpoints आणि output artifacts साठी S3 storage व requests; rollouts दरम्यान AgentCore runtime किंवा Lambda आणि पूरक शोधसुविधा; logging आणि MLflow; होल्डआउट मूल्यमापन; तसेच प्रशिक्षणानंतर वापरला जाणारा endpoint किंवा Bedrock deployment. सततचे शुल्क टाळण्यासाठी चालू MTRL काम थांबवा किंवा हटवा, नको असलेले S3 model artifacts काढा आणि evaluation endpoints हटवा, असा AWS लेखाचा खास सल्ला आहे. Endpoint deployment हा प्रशिक्षणापेक्षा स्वतंत्र निर्णय आणि खर्चाचा प्रकार आहे.

## पुढे जायचे का ते ठरवा

शोधकामात अनेक परस्परावलंबी tool calls लागतात आणि पथकाला अंतिम परिणामाचे गुणांकन करता येते तेव्हा ही पद्धत सर्वाधिक उपयुक्त ठरते. समर्थित model-region जोडी, कार्यरत agent integration, प्रतिनिधिक prompt data, काम दर्शवणारा reward, होल्डआउट तुलना आणि पूरक सेवांसह खर्चाचा अंदाज असेल तेव्हाच चाचणी निर्णयासाठी उपयोगी ठरेल. AWS च्या चार benchmarks वरील चांगला निकाल ही पद्धत तपासण्याचे कारण आहे; वेगळ्या index, query mix किंवा permission boundary वर तोच परिणाम होईल असे मानण्याचा आधार नाही.

**स्रोत आणि पुढील वाचन**

- [AWS Machine Learning Blog: “Fine-tune a search agent with multi-turn RL on Amazon SageMaker AI” (2 ऑक्टोबर 2026)](https://aws.amazon.com/blogs/machine-learning/fine-tune-a-search-agent-with-multi-turn-rl-on-amazon-sagemaker-ai/) — विक्रेत्याचे मार्गदर्शन, मांडणी, dataset पर्याय आणि नोंदवलेले मूल्यमापन निकाल.
- [Amazon SageMaker AI: Multi-turn reinforcement learning](https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-mtrl.html) — सध्या समर्थित मॉडेल्स, प्रदेश, workflow आणि प्रशिक्षण-शुल्काचे घटक.
- [पूर्वअटी](https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-mtrl-prereqs.html), [एजंटची तयारी](https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-mtrl-agent.html), [VPC मांडणी](https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-mtrl-vpc.html) आणि [विश्रांतीतील encryption](https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-mtrl-encryption-at-rest.html) — परवानग्या, runtime पर्याय, integration आणि ऐच्छिक नेटवर्क व encryption मांडणी.
- [Assets तयार करणे](https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-mtrl-assets.html), [training job सबमिट करणे](https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-mtrl-job.html), [मूल्यमापन](https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-mtrl-evaluation.html), [hyperparameters](https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-mtrl-hyperparams.html) आणि [quotas](https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-mtrl-quotas.html) — अंमलबजावणीचे सध्याचे संदर्भ.
- [SageMaker AI किंमत](https://aws.amazon.com/sagemaker/ai/pricing/) — model customization साठी सध्याचे तपशील; दर मॉडेल व प्रदेशानुसार बदलतात.

*अहवालाविषयी नोंद: येथे फक्त दस्तऐवजांचे पुनरावलोकन केले. BIG CHANGE ने AWS खाते उघडले नाही, SageMaker काम सबमिट किंवा तपासले नाही, AWS APIs कॉल केले नाहीत किंवा नोंदवलेल्या metrics ची स्वतंत्र पुनरावृत्ती केली नाही. अंमलबजावणी मार्गदर्शक AWS ने लिहिले आहे आणि त्याने स्वतःच्या प्रयोगाचे निष्कर्ष नोंदवले आहेत.*

## Sources

- [AWS Machine Learning Blog: Fine-tune a search agent with multi-turn RL on Amazon SageMaker AI (2 ऑक्टोबर 2026)](https://aws.amazon.com/blogs/machine-learning/fine-tune-a-search-agent-with-multi-turn-rl-on-amazon-sagemaker-ai/) — AWS ची अंमलबजावणी मार्गदर्शिका, dataset पर्याय आणि विक्रेत्याने नोंदवलेले होल्डआउट मूल्यमापन.
- [Amazon SageMaker AI: Multi-turn reinforcement learning](https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-mtrl.html) — सध्याच्या मॉडेल-प्रदेश जोड्या, workflow चा आढावा आणि प्रशिक्षण-शुल्काचे घटक.
- [Amazon SageMaker AI MTRL पूर्वअटी आणि एजंटची मांडणी](https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-mtrl-prereqs.html) — आवश्यक परवानग्या, runtime पर्याय, agent integration आणि ऐच्छिक नेटवर्क व encryption मांडणी.
- [Amazon SageMaker AI MTRL प्रशिक्षण आणि मूल्यमापन दस्तऐवज](https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-mtrl-assets.html) — सध्याचे input data आणि workflow; लेख training-job व मूल्यमापन संदर्भांच्याही लिंक देतो.
- [Amazon SageMaker AI MTRL training job सबमिशन](https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-mtrl-job.html) — सध्याचा Python SDK import, argument नावे, AgentCore उदाहरण आणि Studio मधून सबमिशनची पावले; 4 ऑक्टोबर 2026 रोजी तपासले.
- [Amazon SageMaker AI किंमत](https://aws.amazon.com/sagemaker/ai/pricing/) — मॉडेलनिहाय सध्याची किंमत माहिती; दर मॉडेल आणि प्रदेशानुसार बदलतात.