教師モデルが解いたShoppingBenchの行動列を選び、Qwen3.5-4Bへ教師あり学習する構成です。SageMaker AIで学習し、未使用の問題で評価します。 最終回答だけでなく、検索と確認の手順を移すことが焦点です。問題単位のデータ分割と、完了までの品質・費用を含む評価が論点になります。 一連のツール操作を教師から学ぶ AWSは11月2日、買い物支援エージェントを小型モデルへ蒸留する実装手順を公開しました。複数回の検索や条件確認を重ねるエージェントでは、一つの依頼でもモデル呼び出しが増えます。大きなモデルの品質を使いつつ、運用時の応答や費用を改善することが狙いです。用いるのは、教師が生成した文章を使う系列単位の知識蒸留です。教師の重みや内部の確率情報を取得せず、通常の教師あり学習として進めます。ここでは最終的な推薦文だけでなく、推論、ツール呼び出し、観測結果が連なる軌跡を対象にします。教師の出力を模倣するための実装例であり、任意の業務で同じ改善が得られるとする発表ではありません。 正しく解いた軌跡を小型の買い物役へ移す 構成例では、Bedrock上のGLM-5.3を教師とし、ShoppingBenchの課題を実行させます。課題の採点器で成功した軌跡だけを残し、Qwen3.5-4Bの学習に使います。SageMaker AIのモデルカスタマイズで、サーバーレスの教師あり学習を実行する流れです。対象は、商品検索や候補の検査など、複数の操作を行うエージェントを開発するチームと見られます。教師の良い応答を一つずつ集めるだけでなく、途中の観測に応じて次の操作を選ぶ行動を学ばせます。成功を判定できる採点器が、データの品質を左右する構成です。業務へ移す場合は、何を満たせば完了とするかを定義できるかが論点になります。検索の条件や道具が違う場合、そのまま同じ軌跡を流用できるとは限りません。 データ漏れと長い文脈を管理する 原文は、一つの問題から複数の軌跡や学習行が生まれる点に注意を促しています。行ごとに無作為に分けると、似た文脈が学習側と評価側へ入る可能性があります。そのため、問題単位で分離することを求めています。また、操作が進むほど過去の文脈が繰り返され、入力長が増えます。必要な観測項目を残し、不要な商品説明などを減らす処理が示されています。単に長さの上限で切ると、次の判断に必要な情報が失われる場合があるためです。費用の比較では、教師によるデータ生成と採点、追加学習、配信基盤を含めることが論点になります。小型化だけを目的にせず、学習へ投じる費用を継続的な利用で回収できるかを検討する必要があると見られます。この準備も導入費用に含まれます。 一手の採点から作業全体の検証へ進む 評価は、教師の操作に対する一手単位の確認と、未使用の課題で最後まで実行する検証を分けています。ツール名が合っていても、引数や後続の判断が正しいとは限りません。最終的な完了率と操作回数も合わせて確かめることが判断点です。実務では失敗時の戻し先や、大きなモデルへ切り替える条件も論点になると考えられます。学習用の成功例が増えたことと、本番の例外へ対応できることは分けて評価する必要があります。道具の変更時には再評価も必要になります。