零售商品目录很少以干净、结构化的属性形式出现。产品名称、描述和类目路径来自多个来源，并且持续变化。搜索、推荐和目录导航都依赖一致的标签，但人工为数千个库存单位（SKU）打标不仅缓慢，而且难以保持一致。
通用前沿模型可以通过提示工程生成标签，但高频打标工作流通常有更窄的目标：以一致的 schema 返回正确的属性。当分类体系稳定、输出可以程序化评分时，定制一个较小的开放权重模型可能更适合这类任务。采用这种方法，可以直接教会模型 schema，并优化漏标与多余标签之间的权衡，同时避免为工作流每次请求并不需要的广泛能力付费。
在本次演练中，官方使用监督微调（SFT）定制 Qwen3-8B，随后使用群组相对策略优化（GRPO）和带可验证奖励的强化学习（RLVR）对其进行优化。Amazon SageMaker serverless model customization 负责管理训练容量，而优化后的模型则单独部署到 Amazon SageMaker Asynchronous Inference，用于面向批处理的目录丰富。
关于无服务器方式与 Amazon SageMaker Training Jobs（SMTJ）的差异，来源指出，amazon-sagemaker-examples 仓库中此前的 Qwen3-8B 示例使用 SageMaker Training Jobs，由客户自行选择 GPU 实例和自定义训练镜像；而本次演练使用 Amazon SageMaker Python SDK v3 的无服务器定制训练器（SFTTrainer 和 RLVRTrainer）。当未提供计算配置时，Amazon SageMaker 会为该定制作业选择并释放训练容量。
在开始之前，需要准备相应资源并使用最小权限。权限与资源要求包括：Amazon SageMaker AI 权限，用于管理无服务器定制作业、AI Registry 数据集与评估器、模型包组、模型、端点、异步推理以及在需要时的 iam:PassRole；Amazon Simple Storage Service（Amazon S3）访问权限，用于读写源目录、转换后的训练数据、模型产物、异步推理请求和输出；Amazon Elastic Container Registry（Amazon ECR）访问权限，仅在构建并托管 vLLM 推理镜像时需要，无服务器 SFT 和 RLVR 不需要自定义训练镜像；