# AWS учит агентов не путать кнопки: зачем им SFT и DPO - Site: VeraPoint News - Section: Новости - Date: 2026-06-04 - Canonical: https://verapointmedia.com/news/improve-your-agent-s-tool-calling-accuracy-with-sft-and-dpo-on-amazon-sagemaker-ai/ - Markdown: https://verapointmedia.com/news/improve-your-agent-s-tool-calling-accuracy-with-sft-and-dpo-on-amazon-sagemaker-ai.md - Summary: AWS показала рецепт, как дообучать SLM на SageMaker AI, чтобы агент чаще вызывал нужный инструмент. Полезно, но не магия: всё упирается в данные и проверку. - Tags: #aws #sagemaker #sft #dpo #ai-агенты - Image: https://verapointmedia.com/static/content-assets/news/improve-your-agent-s-tool-calling-accuracy-with-sft-and-dpo-on-amazon-sagemaker-ai/cover.webp ## Sources - https://aws.amazon.com/blogs/machine-learning/improve-your-agents-tool-calling-accuracy-with-sft-and-dpo-on-amazon-sagemaker-ai/ - https://news.google.com/rss/articles/CBMi0wFBVV95cUxPMzBRSnRiMHliMWhYODhfSFhYU2xRR2V6eERVNlBvYnVqV3BVNTF6YXV6MFhjS0xFU3llUTRlaExzRGdCVzE4M3ZJX0h3WnFZUzg3THpndzhnRU5qTjZNWFBZYnpqbnFoblpmS3o0Yldwak5WVTd3Ym1uTUtzaXYwXzJHbi0wRUNIM1c0TkdpR3p4LWw1RGF6b195WmJLa2FTZWVkTXR0WlNoX1FQSVF3ODRHdGxlUGxvNnJvYTAxbWlXMk5iSk52bDYxUTV0MXUzMjNV?oc=5 - https://news.google.com/rss/articles/CBMixAFBVV95cUxPMlhzSFFIc3VTc3pldWZzTE1aeG1nSTRxYlpSVW5IUFhZNno0VklIUFA2ZWJBOTZmQTZIb3ZFV2FqTm4xTUhUZzN6anJOdGN1MENndGIwVU1YOWNLUXlrTU1ZVHBjUGlCNGZtbkp5czZFb2dZVjZKdzhNU2hyQlAxeWtJNmhGVFZBdDVXNDBpOWZRTHZEazZYVGZMTE1mbFQ5SDhnM2N5ekVWMWFMWlVOZTViUTl6SU1rODZGeUxoOGtiYmgw?oc=5 - https://news.google.com/rss/articles/CBMiowFBVV95cUxNUHRoX0hUUThKT2xwTU9BZUdpckJFTUxiTnpqdVBIWTVJeEJpa1pxMVhCNzlBMzVXYTNoblQ3aWZaSFZNVkRiRF9qQlFuZ3ZBdWRqUE02QkxGbTJodkRoRU5GaFZDamRtRVA1VkRTbjIyVGg3S2JWQThwQTY5LWlWYlNiZml6MEhoOVI4Z0VxSmpGUWF1VlNBSS1fZm1NQWdmdWQw?oc=5 --- ## Когда агент ошибается, это не «мелочь», а лишний круг по кругу Если AI-агент позвал не тот инструмент, перепутал параметры или сломал цепочку шагов, это почти сразу превращается в очень земные вещи: дольше выполняется задача, растут ошибки, команда поддержки получает лишнюю нагрузку, а пользователь начинает подозревать, что «умная автоматизация» умнее только на слайдах. И вот на этом фоне AWS quietly, без фейерверков, выкатывает довольно практичный пост: как повысить точность вызова инструментов у small language model, то есть небольшой языковой модели, которую можно дообучать под конкретную задачу. Не самый громкий сюжет, зато очень прикладной. Потому что в продакшене красиво говорить про агентов легко, а вот чтобы они стабильно нажимали нужную «кнопку», начинается совсем другая жизнь. ## Что AWS на самом деле предлагает Речь о связке двух известных методов дообучения: SFT и DPO. SFT, или Supervised Fine-Tuning, — это когда модель учат на размеченных примерах: вот правильный вопрос, вот правильный ответ, вот правильный вызов инструмента. По-человечески: ей показывают, как надо. DPO, Direct Preference Optimization, — метод, который учится на предпочтениях: «вот это лучше, а вот это хуже». И важная деталь, которую AWS отдельно подсвечивает: здесь не нужна отдельная reward-модель, то есть ещё одна модель, которая бы оценивала ответы. Для практиков это удобно: меньше лишней обвязки, меньше инфраструктурного театра, меньше шансов потеряться в собственном пайплайне. AWS показывает это на Amazon SageMaker AI — облачной платформе для обучения и развёртывания моделей. Простыми словами, они дают не только идею, но и место, где это крутить, чтобы не собирать тренировочную среду руками. И да, это, конечно, звучит очень по-облачному: «мы сняли с вас заботы об инфраструктуре». Ну конечно, до тех пор, пока вы не начнёте считать стоимость. ## Почему именно сейчас все зацепились за точность вызова инструментов Тут, кажется, и правда есть рыночный нерв. Многие компании уже прошли фазу «посмотрим, что агент умеет в пилоте» и упёрлись в скучный, но решающий вопрос: а он в продакшене не развалится? Потому что агент, который в демо красиво рассуждает, но в реальности путает API, базу знаний и форму оплаты, — это не автоматизация. Это очень дорогой способ создавать новые ошибки. Поэтому AWS и другие платформы подталкивают рынок к более приземлённой логике: не пытаться сделать модель “вообще умной”, а довести до надёжности конкретный сценарий. И тут SFT плюс DPO выглядят не как волшебная кнопка, а как нормальный инженерный ответ: сначала научи на примерах, потом дотяни поведение по предпочтениям. ## Где здесь реальная польза, а где уже начинается блеск презентации Польза вполне понятная. Во-первых, можно поднимать точность tool calling — то есть вероятность, что модель вызовет правильный внешний инструмент. Это особенно важно для агентных сценариев, где один неверный шаг ломает всю цепочку. Во-вторых, AWS добавляет в материал оценку качества: сравнение базовой модели с несколькими дообученными вариантами. Это, честно говоря, мне нравится больше всего. Не потому, что это красиво, а потому что без нормального сравнения очень легко влюбиться в собственное улучшение и не заметить, что оно на деле ничего не улучшило. Но и PR-слой тут тоже заметен. SageMaker AI подаётся как удобный путь: мол, вы сосредотачиваетесь на коде обучения, а не на инфраструктуре. Это приятная упаковка, да. Но за ней остаются вопросы, которые никуда не деваются: какие именно данные вы размечаете, насколько они похожи на боевые запросы, как ведёт себя модель под реальной нагрузкой, и не сыпется ли всё на редких кейсах. ## Что в этой истории важно не перепутать Самый частый соблазн тут — услышать «SFT + DPO» и решить, что найден универсальный рецепт. Подождите, а это вообще нормально? Почти никогда не бывает так просто. SFT и DPO — методы известные, не революционные. И AWS это, кстати, не пытается выдавать за чудо. Смысл новости скорее в том, что они упаковали уже знакомую связку в практический пайплайн на SageMaker AI и показали, как измерять результат. Ещё один момент: речь не о том, что маленькие модели обязательно хуже больших. Наоборот, в некоторых задачах хорошо дообученная SLM может дать очень приличную точность при меньших затратах. То есть это история не про «маленькое — бедное», а про «маленькое, но хорошо подогнанное под задачу». Что, в общем, звучит гораздо взрослее. ## Что это значит для команды, которая уже строит агента Если у вас агент уже что-то делает в продукте, этот материал можно читать как чеклист здравого смысла. Сначала соберите реальные примеры того, где агент ошибается: не тот инструмент, не те параметры, не тот порядок шагов. Потом отделите хорошие и плохие варианты поведения. Дальше проверьте, можно ли научить модель на этих примерах через SFT, а затем дотянуть поведение через DPO. И только потом смотрите на метрики: точность вызова инструмента, число ошибок в сценарии, время до завершения задачи, стоимость поддержки. Не «модель звучит умнее», а «система стала надёжнее». Вот это уже разговор. ## Мой вывод: полезный рецепт, но без облачной романтики Я бы прочитала эту новость так: AWS не обещает чуда, а довольно трезво показывает, как довести агентную систему до более предсказуемого поведения. И это, между прочим, ценнее многих громких анонсов. Но магии тут нет. Если данные плохие, сценарии мутные, а метрики подобраны для красивой презентации — SFT и DPO не спасут. Зато если у вас уже есть понятная задача и вы хотите сократить ошибки tool calling, такой подход выглядит вполне рабочим. И да, как обычно: в реальной жизни самое интересное начинается не на этапе «внедрили агента», а на этапе «почему он снова полез не туда». Вот там и выясняется, что аккуратная настройка иногда важнее любой большой вывески. ## Материалы - [AWS Machine Learning Blog] Improve your agent’s tool-calling accuracy with SFT and DPO on Amazon SageMaker AI | Amazon Web Services: https://aws.amazon.com/blogs/machine-learning/improve-your-agents-tool-calling-accuracy-with-sft-and-dpo-on-amazon-sagemaker-ai/ - [news.google.com] supporting context: https://news.google.com/rss/articles/CBMi0wFBVV95cUxPMzBRSnRiMHliMWhYODhfSFhYU2xRR2V6eERVNlBvYnVqV3BVNTF6YXV6MFhjS0xFU3llUTRlaExzRGdCVzE4M3ZJX0h3WnFZUzg3THpndzhnRU5qTjZNWFBZYnpqbnFoblpmS3o0Yldwak5WVTd3Ym1uTUtzaXYwXzJHbi0wRUNIM1c0TkdpR3p4LWw1RGF6b195WmJLa2FTZWVkTXR0WlNoX1FQSVF3ODRHdGxlUGxvNnJvYTAxbWlXMk5iSk52bDYxUTV0MXUzMjNV?oc=5 - [news.google.com] supporting context: https://news.google.com/rss/articles/CBMixAFBVV95cUxPMlhzSFFIc3VTc3pldWZzTE1aeG1nSTRxYlpSVW5IUFhZNno0VklIUFA2ZWJBOTZmQTZIb3ZFV2FqTm4xTUhUZzN6anJOdGN1MENndGIwVU1YOWNLUXlrTU1ZVHBjUGlCNGZtbkp5czZFb2dZVjZKdzhNU2hyQlAxeWtJNmhGVFZBdDVXNDBpOWZRTHZEazZYVGZMTE1mbFQ5SDhnM2N5ekVWMWFMWlVOZTViUTl6SU1rODZGeUxoOGtiYmgw?oc=5 - [news.google.com] supporting context: https://news.google.com/rss/articles/CBMiowFBVV95cUxNUHRoX0hUUThKT2xwTU9BZUdpckJFTUxiTnpqdVBIWTVJeEJpa1pxMVhCNzlBMzVXYTNoblQ3aWZaSFZNVkRiRF9qQlFuZ3ZBdWRqUE02QkxGbTJodkRoRU5GaFZDamRtRVA1VkRTbjIyVGg3S2JWQThwQTY5LWlWYlNiZml6MEhoOVI4Z0VxSmpGUWF1VlNBSS1fZm1NQWdmdWQw?oc=5