Nova Forge SDKの紹介：企業AI向けにNovaモデルをカスタマイズするシームレスな方法

大規模言語モデル（LLM）は、AI との相互作用の方法を変革しましたが、一つのサイズですべてに対応できるわけではありません。箱出し状態の LLM は広範な一般知識でトレーニングされ、幅広いユースケース向けに改善されていますが、ドメイン固有のタスク、独自ワークフロー、または独自のビジネス要件においては、しばしば不十分となります。エンタープライズ顧客は、独自のデータ、ビジネスプロセス、およびドメイン固有の用語を深く理解する専門化された LLM をますます必要としています。カスタマイズを行わない場合、汎用的な応答を受け入れるか、過度なコンテキストエンジニアリングを伴う妥協点に落ち着くかの二者択一を迫られることになります。Nova Customization は、[Amazon Bedrock](https://aws.amazon.com/bedrock/) のカスタマイズオプションである教師ありファインチューニング（SFT）や強化学習ファインチューニング（RFT）、および [Amazon SageMaker AI](https://aws.amazon.com/sagemaker-ai/) のカスタマイズ機能である SFT、直接選好最適化（DPO）、RFT、さらに LoRA およびフルランクベースのカスタマイズの両方を含む一連の機能を提供します。 モデルが専門データセット上でファインチューニングされる際、指示従順能力、推論スキル、広範な知識の専門性など、基礎的な機能がしばしば失われます。この現象は[壊滅的忘却](https://en.wikipedia.org/wiki/Catastrophic_interference)とも呼ばれます。 [AWS Amazon Nova Forge](https://aws.amazon.com/nova/forge/) は、Nova を用いて独自の最先端モデルを構築できるようにすることで、このトレードオフを克服するツールを提供します。Nova Forge の顧客は、初期のモデルチェックポイントから開発を開始し、自社のデータセットを Amazon Nova が厳選したデータとブレンドして、カスタムモデルを AWS 上で安全にホストできます。 しかし、これらのカスタマイズワークフローは複雑化することがあり、技術的なインフラストラクチャの構築や多大な時間投資が必要となるため、参入障壁が高くなりがちです。 この課題に対処するため、私たちは [Nova Forge SDK](https://docs.aws.amazon.com/nova/latest/userguide/nova-forge-sdk.html) を立ち上げました。これにより、依存関係の管理、イメージの選択、レシピの設定といった課題に直面することなく、言語モデルの可能性を最大限に活用できるようチームを支援し、参入障壁を低下させます。 私たちはカスタマイズをスケーリングラダー内の連続体と捉えており、したがって Nova Forge SDK は、Amazon Bedrock から Amazon SageMaker AI まで、Nova Forge の機能を用いたあらゆるカスタマイズオプションをサポートします。 ## Nova Forge SDK：開発者によって開発者に作られた専用ツール Nova Forge SDK は、Nova の顧客と開発者のために特別に設計された統一された [ツールキット](https://github.com/aws/nova-customization-sdk) を提供します。これはデータ準備ツールの構築からトレーニングジョブの管理、モデルのデプロイに至るまで、完全なカスタマイズライフサイクルをカバーし、必要なソリューションを一つの場所で提供します。Nova Forge SDK は、大規模言語モデル（LLM）のカスタマイズにおける差別化されない重労働を取り除く試みであり、ユーザーが実験に集中できるようにすることを目的としています。既存のツールを補完するものとして、インテリジェントなデフォルトとガイダンスを持つワークフローを提供しつつも、必要に応じて上級者が基盤となるサービス SDK の全機能をアクセスできる柔軟性を維持しています。これにより、顧客は一般的なタスクには streamlined なワークフローを、高度なユースケースには完全な柔軟性を得ることができます。 ![image](https://d2908q01vomqb2.cloudfront.net/artifacts/DBSBlogs/+ml-20341/Nova+SDK_v5.gif) この SDK は、以下の 3 つのレイヤーとして理解することができます： - Input Layer: これは入力として渡される層であり、RuntimeManager オブジェクト（使用するハードウェア、プラットフォーム、権限観点での IAM ロールを含む）、トレーニング方法、トレーニングデータ、オーバーライドする任意のハイパーパラメータ、およびカスタマイズ対象のモデルが含まれます。 - Customizer Layer: この中間層はこれらの入力を受け取り、裏側で適切なレシピ設定を構築し、渡された入力値を使用してジョブを開始します。 - Output Layer: 出力層は、Amazon CloudWatch Logs、ML Flow メトリクス、tensor board ログ、および最終的なトレーニング済みモデルアーティファクトを含む出力アーティファクトを生成します。このモデルは、反復的な微調整（fine tuning）を使用してモデルをさらにチューニングするか、または推論のために Amazon SageMaker AI または Amazon Bedrock にデプロイするために使用できます。 以下の画像は、これらのコンポーネントの概要を示しています。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/03/12/ml-20341-1.png) Nova Forge SDK のユーザーは、初期化された NovaModelCustomizer の API メソッドのいずれかに、設定済みの RuntimeManager、カスタマイズ対象のモデル、およびトレーニング手法を提供します。Customizer の初期化には、トレーニングデータを取得する場所を指定することが含まれます。これは通常、Amazon Simple Storage Service (Amazon S3) の場所です。これらの設定に基づいて、Customizer モデルは指定されたタスクを実行するために Amazon SageMaker AI ジョブの構成と開始を処理します。最後に、完了したタスクは出力アーティファクトを生成し（「train」API の場合）、トレーニング済みモデルも生成します。これらはその後、SDK を介してまたは直接 Amazon SageMaker API を使用して参照することができます。 ## 前提条件: カスタマイズワークフローを開始する前に、環境に以下のセットアップがあることを確認してください。このブログ記事では、計算プラットフォームとして Amazon SageMaker Training Jobs (SMTJ) を使用します（追従するために Amazon SageMaker HyperPod クラスターは**必要ありません**）。 本記事では Amazon Nova Forge のセットアップは**不要**です。これは、Amazon SageMaker AI を用いた Nova カスタマイズのために利用可能な基本的な機能を確認するためです。 **注:** Amazon SageMaker Training Jobs に関心があるだけの場合は、Amazon SageMaker HyperPod のセットアップを完全にスキップできます。 ## AWS アカウントと CLI [AWS アカウント](https://aws.amazon.com/)が必要です。お持ちでない場合は、[サインアップ手順](https://docs.aws.amazon.com/accounts/latest/reference/manage-acct-creating.html)に従ってください。 その後、[AWS Command Line Interface (AWS CLI)](https://docs.aws.amazon.com/cli/latest/userguide/getting-started-install.html) のインストール手順に従い、認証情報で設定してください。これはセットアップに使用される初期 API 呼び出しに用いられ、AWS CLI の認証チェーンは Nova Forge SDK でも共有されます。 最後に、Nova Forge SDK が Amazon Nova モデルおよびカスタマイズ機能へのアクセスを提供するために使用する [SageMaker AI プラットフォームへのアクセス設定](https://docs.aws.amazon.com/sagemaker/latest/dg/onboard-quick-start.html) を、公開ドキュメントに従って行ってください。 ## IAM ロール Nova Forge SDK と連携するには、**ユーザーロール**と**実行ロール**の 2 つの IAM ロールを作成する必要があります。Nova Forge SDK は実行時に両方のロールを検証して必要な最小限の権限があることを確認しますが、以下のセットアップ手順を完了することを推奨します： - ユーザーロール — SDK と AWS CLI を実行する際に、お使いのマシン上で引き受ける役割です。このロールには、Amazon SageMaker AI（CreateTrainingJob, DescribeTrainingJob）、Amazon S3（データバケットへの読み書き）、Amazon CloudWatch Logs（読み取り）、IAM（PassRole）の権限が必要です。完全なポリシーについては SDK のドキュメントをご覧ください。 - 実行ロール — Amazon SageMaker AI が、代わりにトレーニングジョブを実行する際に引き受ける役割です。その信頼ポリシーには、sagemaker.amazonaws.com がこのロールを引き受けられるようにする記述が含まれている必要があります。推奨される権限の完全なセットについては、SageMaker の実行ロールドキュメントをご覧ください。詳細な設定手順については、SMTJ ジョブを実行するための前提条件に従ってください。 ## サービスクォータ 本記事では、トレーニングと評価の両方に ml.p5.48xlarge インスタンスを使用します。Nova Lite 2.0 では、SFT トレーニングに最低でも**4 つのインスタンス**が必要です。トレーニングジョブと評価ジョブを並行して実行している場合は、少なくとも 5 つのインスタンスが必要になる可能性があります。 Amazon SageMaker Training Jobs の [Service Quotas コンソール](https://docs.aws.amazon.com/sagemaker/latest/dg/regions-quotas.html) を通じて、トレーニングジョブの使用に必要な ml.p5.48xlarge のクォータを十分にリクエストしてください。 ## S3 バケット トレーニングジョブと同じ AWS リージョンに [Amazon Simple Storage Service (Amazon S3) バケット](https://docs.aws.amazon.com/AmazonS3/latest/userguide/create-bucket-overview.html) を作成してください（本記事全体で us-east-1 を使用します）。また、ユーザーおよび実行用の IAM ロールがそのバケットに対して読み取り・書き込みアクセス権を持っていることを確認してください。ここでは、本記事のトレーニングデータと出力アーティファクトを保存します。 ## Amazon SageMaker HyperPod (オプション) Amazon SageMaker Training Jobs (SMTJ) に加え、Nova Forge SDK は Amazon SageMaker HyperPod (SMHP) 上でのジョブ実行もサポートしています。本記事では SMHP のカスタマイズに焦点を当てていませんが、SMHP でトレーニングを実行する場合は、Amazon Nova モデルと連携するために、制限付きインスタンスグループ (RIGs) を備えた Amazon SageMaker HyperPod クラスターを設定する必要があります。 [HyperPod RIG セットアップワークショップ](https://catalog.us-east-1.prod.workshops.aws/workshops/dcac6f7a-3c61-4978-8344-7535526bf743/en-US/02-smhp-rig) の手順に従い、Amazon Nova カスタマイズに適した RIG を備えたクラスターを設定してください。 ## Nova Forge SDK のセットアップ 前提条件の準備が完了したら、以下のガイダンスを使用して環境を構築し、Nova Forge SDK の使用を開始できます。 ## Python 環境 Nova Forge SDK には **Python 3.12 以降**が必要です。依存関係を分離し、システム内の他のパッケージとの競合を防ぐために、仮想環境の作成をお勧めします： python3.12 -m venv nova-sdk-env source nova-sdk-env/bin/activate *# Windows の場合：nova-sdk-env\Scripts\activate* ## SDK のインストール 以下の Pip コマンドを使用して、SDK をインストールできます。 pip install amzn-nova-forge サンプル Python ファイルで主要なモジュールをインポートすることで、インストールが成功したことを確認します。 from amzn_nova_forge import ( NovaModelCustomizer, SMTJRuntimeManager, TrainingMethod, EvaluationTask, CSVDatasetLoader, Model, ) 各モジュールの簡単な説明は以下の通りです。 - NovaModelCustomizer: Nova Forge SDK と対話するための主要クラスです。API のコアメソッドを含み、トレーニング設定の多くを初期化するために使用されます。 - SMTJRuntimeManager: カスタマイズジョブに選択されたインスタンスタイプや数など、SMTJ カスタマイズに必要な AWS インフラストラクチャを管理します。 - TrainingMethod: NovaModelCustomizer を設定するために使用できる、可能なトレーニングタイプの列挙型（Enum）です。 - EvaluationTask: NovaModelCustomizer を設定するために使用できる、可能な評価タイプの列挙型（Enum）です。 - CSVDatasetLoader: Nova Forge SDK で使用するデータを CSV ファイルから読み込むために使用されます。 - Model: Nova Forge SDK がサポートする Amazon Nova モデルの列挙型（Enum）です。 **注**: SDK の異なる機能に関する詳細については、[仕様書](https://github.com/aws/nova-customization-sdk/blob/main/docs/spec.md) を参照してください。コーディング作業に LLM エージェントを使用している場合は、リポジトリ内の AGENTS.md ファイルをレビューさせて、SDK について学習させることができます。 ## 結論 この SDK の統一されたインターフェースは、データフォーマットやプラットフォーム固有の設定に関する複雑さを抽象化するため、開発者は自らのデータ、ドメイン、そしてビジネス目標に集中することができます。Amazon SageMaker Training Jobs でファインチューニングから始める場合でも、Amazon SageMaker Hyperpod を使用してカスタマイズを実行する計画を立てている場合でも、SDK はカスタマイズの連続体全体を通じて一貫した体験を提供します。 従来の LLM（大規模言語モデル）カスタマイズの障壁、技術的専門知識の要件、および時間投資を排除することで、Nova Forge SDK は、基盤モデルが持つ価値ある汎用能力を犠牲にすることなく、組織が独自の文脈を真に理解するモデルを構築できる力を付与します。SDK は計算リソースの設定、カスタマイズパイプライン全体のオーケストレーション、トレーニングジョブの監視、エンドポイントのデプロイメントを処理します。その結果、専門化されつつも知的であり、ドメインの専門家でありながら広範な能力を持つエンタープライズ AI が実現されます。 ご自身で Nova モデルのカスタマイズを開始したいですか？GitHub 上の [Nova Forge SDK](https://github.com/aws/nova-customization-sdk) で始め、[完全なドキュメント](https://github.com/aws/nova-customization-sdk/blob/main/README.md) を探索して、貴社の企業ニーズに合わせたモデルの構築を始めてください。 ## 著者について ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/03/13/mahchy.jpeg) ## Mahima Chaudhary Mahima Chaudhary は、Amazon Nova Training Experience チームに所属する機械学習エンジニアです。同チームでは Nova Forge SDK と強化学習ファインチューニング（Reinforcement Fine-Tuning: RFT）に取り組んでおり、顧客が AWS 上で Nova モデルをカスタマイズおよびファインチューニングできるよう支援しています。彼女は MLOps および LLMOps の専門知識を持ち、Amazon 入社前には航空、医療、保険、金融の各分野で、スケーラブルかつ本番環境対応型の機械学習システム構築の実績があります。カリフォルニア州在住で、モデルのリリースに追われている合間には、新しいハイキングコースで夕日を追いかける姿や、キッチンでの実験、ドキュメンタリーの世界に没頭している様子を見つけることができます。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2025/06/12/anupam-1.png) ## Anupam Dewan Anupam Dewan は、Amazon Nova チームでシニアソリューションアーキテクトとして勤務しており、生成 AI とその実世界への応用に情熱を注いでいます。彼は Nova のカスタマイズと Nova Forge に焦点を当て、企業がカスタマイズの力を活用して大規模言語モデル（LLM）の真の可能性を引き出すことを支援しています。また、データサイエンスや分析の教育にも情熱を持っており、企業のビジネスに役立つ LLM の構築をサポートしています。仕事以外では、ハイキングやボランティア活動、自然を楽しむ姿を見つけることができます。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/03/13/swapneil.jpeg) ## Swapneil Singh Swapneil Singh は、Amazon Nova Training Experience チームに所属するソフトウェア開発エンジニアです。同チームでは、Amazon Nova モデルのカスタマイズ向けに開発者向けツールを構築しています。彼は Nova Forge SDK および Amazon Nova ユーザーガイドの主要コントリビューターであり、顧客が AWS 上でカスタム Nova モデルのファインチューニングとデプロイを支援しています。それ以前は、AWS Elastic Container Services においてテレメトリおよびログ処理を担当していました。仕事以外では、AI オーケストレーションやプログラミング言語に触れるか、ボストンの図書館で過ごす姿を見かけます。

Nova Forge SDKの紹介：企業AI向けにNovaモデルをカスタマイズするシームレスな方法

背景や根拠まで確認しますか？

調べる

選ぶ

サイト