🎯 情报来源：Artificial Intelligence
亚马逊AWS宣布在SageMaker AI平台新增文本排序（Text Ranking）和问答（Question and Answer）两种标注模板，旨在帮助客户更高效地生成用于大语言模型（LLM）训练的标注数据。文本排序模板支持基于自定义标准（如相关性、清晰度或事实准确性）对LLM生成的多个响应进行人工排序，这些排序数据对于通过人类反馈强化学习（RLHF）改进模型至关重要。问答模板则用于从文本段落生成高质量问答对，作为监督微调（SFT）的演示数据。
核心要点：
- 新增文本排序模板支持多维度（如帮助性、清晰度）人工排序LLM输出，直接用于RLHF训练
- 问答模板可生成结构化Q&A数据集，提升模型在SFT阶段的指令遵循能力
- 支持通过SageMaker控制台、API和AWS CLI三种方式创建标注任务
- 输出数据直接保存至S3存储桶，包含完整的标注元数据和工人响应记录
- 提供颜色标记功能直观关联问答对与原文片段，提升标注效率
📌 情报分析
技术价值：高
模板标准化了RLHF和SFT的数据采集流程，其多维度排序机制（支持自定义标准和并列排序）和可视化问答关联功能显著提升标注质量。输出数据可直接用于主流训练框架。
商业价值：高
该解决方案将标注效率提升30%以上（基于AWS内部测试），且与SageMaker现有MLOps工具链无缝集成。可服务从初创公司到企业级客户的模型优化需求。
趋势预测：
未来3-6个月内，预计AWS将进一步扩展生成式AI标注场景（如多模态数据标注），并可能推出基于这些模板的托管RLHF服务。标注质量评估API可能成为下一阶段开发重点。