기업용 AI 시장은 점차 범용 솔루션에서 벗어나, 기업 고유의 데이터와 특정 산업 용어를 완벽히 이해하는 맞춤형 모델로 무게 중심이 이동하고 있다. 이러한 흐름에 발맞춰 AWS는 모델 커스터마이징의 복잡한 과정을 간소화하는 통합 툴킷인 Nova Forge SDK를 출시했다. 개발자들은 이 도구를 활용해 인프라 관리나 설정 최적화라는 번거로운 과정 없이도 Amazon Nova 모델을 정밀하게 튜닝할 수 있게 됐다.

AI 개발 과정에서 마주하는 가장 큰 걸림돌 중 하나는 새로운 데이터를 학습할 때 기존의 일반 추론 능력을 잃는 치명적 망각 현상이다. Nova Forge는 사용자의 데이터셋과 Amazon의 선별된 데이터를 효과적으로 혼합하여, 모델이 고유의 지시 이행 능력을 유지하도록 지원한다. 특히 지도 미세 조정(SFT)이나 직접 선호도 최적화 (DPO)와 같은 고도화된 기법을 통해 기업의 특정 목표나 인간의 선호도에 부합하는 결과를 도출할 수 있다.

해당 SDK의 구조는 데이터 및 하드웨어를 구성하는 입력 계층, 자동화된 실행을 담당하는 커스터마이저 계층, 그리고 최종 결과물과 성능 지표를 도출하는 출력 계층으로 구성된다. AWS는 이러한 기술적 진입 장벽을 낮춤으로써 보다 넓은 범위의 엔지니어링 팀이 고성능 모델 맞춤화에 접근할 수 있도록 했다. 실제로 이 시스템은 Amazon Bedrock을 통한 간단한 작업부터 SageMaker HyperPod를 활용한 대규모 고성능 학습까지 유연하게 확장 가능하다.

기업용 AI 시장은 점차 범용 솔루션에서 벗어나, 기업 고유의 데이터와 특정 산업 용어를 완벽히 이해하는 맞춤형 모델로 무게 중심이 이동하고 있다. 이러한 흐름에 발맞춰 AWS는 모델 커스터마이징의 복잡한 과정을 간소화하는 통합 툴킷인 Nova Forge SDK를 출시했다. 개발자들은 이 도구를 활용해 인프라 관리나 설정 최적화라는 번거로운 과정 없이도 Amazon Nova 모델을 정밀하게 튜닝할 수 있게 됐다.

AI 개발 과정에서 마주하는 가장 큰 걸림돌 중 하나는 새로운 데이터를 학습할 때 기존의 일반 추론 능력을 잃는 치명적 망각 현상이다. Nova Forge는 사용자의 데이터셋과 Amazon의 선별된 데이터를 효과적으로 혼합하여, 모델이 고유의 지시 이행 능력을 유지하도록 지원한다. 특히 지도 미세 조정(SFT)이나 직접 선호도 최적화 (DPO)와 같은 고도화된 기법을 통해 기업의 특정 목표나 인간의 선호도에 부합하는 결과를 도출할 수 있다.

해당 SDK의 구조는 데이터 및 하드웨어를 구성하는 입력 계층, 자동화된 실행을 담당하는 커스터마이저 계층, 그리고 최종 결과물과 성능 지표를 도출하는 출력 계층으로 구성된다. AWS는 이러한 기술적 진입 장벽을 낮춤으로써 보다 넓은 범위의 엔지니어링 팀이 고성능 모델 맞춤화에 접근할 수 있도록 했다. 실제로 이 시스템은 Amazon Bedrock을 통한 간단한 작업부터 SageMaker HyperPod를 활용한 대규모 고성능 학습까지 유연하게 확장 가능하다.