AWS가 아마존 세이지메이커의 서버리스 모델 커스터마이징으로 소형 오픈웨이트 모델 Qwen3-8B를 활용해 제품 태깅 시스템을 구축하는 방법을 소개했다. 지도 미세조정(SFT)으로 9개 카테고리 태깅 스키마를 학습시킨 뒤, 검증 가능한 보상 기반 강화학습(RLVR)과 GRPO로 재현율과 정밀도의 균형을 최적화하는 2단계 방식이다. 평가 결과 종합 점수가 기준선 0.354에서 SFT 적용 후 0.6827로 크게 뛰었고, GRPO 적용 후 0.6941(재현율 0.703)까지 개선됐다. 학습은 세이지메이커 서버리스로, 실제 추론은 세이지메이커 비동기 추론 엔드포인트로 배포해 대량 카탈로그 보강 작업에 적합하도록 설계됐다.

• •AWS, 세이지메이커 서버리스 커스터마이징으로 Qwen3-8B 기반 제품 태깅 시스템 구축법 소개
• •지도 미세조정(SFT)으로 9개 카테고리 스키마 학습 후 RLVR+GRPO로 재현율·정밀도 균형 최적화
• •종합 점수 기준선 0.354→SFT 0.6827→GRPO 0.6941로 개선, 재현율은 0.703까지 상승
• •학습은 서버리스, 추론은 세이지메이커 비동기 엔드포인트(ml.g6.2xlarge)로 분리 배포해 대량 카탈로그 처리에 최적화