Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Packages de modèles restreints

Qu'est-ce qu'un Package modèle restreint ?

Un package de modèle restreint (RMP) est un package de modèle d' SageMaker intelligence artificielle qui intègre des artefacts de modèles propriétaires dans un stockage sécurisé géré par des services qui n'est pas directement accessible aux clients. Les RMP vous permettent d'autoriser et de contrôler l'utilisation de ces modèles par le biais de politiques IAM sans accorder d'accès direct aux artefacts sous-jacents. Les données du modèle ne peuvent pas être téléchargées, exportées ou visualisées directement. Il ne peut être utilisé que dans le cadre des services AWS autorisés. Les RMP ne peuvent être créés que par des responsables de plateformes d' SageMaker IA fiables et existent au sein de groupes de packages de modèles marqués d'un. StorageType: "Restricted"

Les RMP sont produits aujourd'hui dans le cadre d'une formation à l'apprentissage par renforcement multitour (MTRL) sur SageMaker Training Jobs Serverless. Une fois qu'un RMP existe, vous pouvez utiliser son ARN pour évaluer le modèle sous-jacent. L'utilisation d'un RMP comme entrée pour une tâche de formation ultérieure, par exemple pour enchaîner les courses MTRL dans un flux de travail de formation itératif, est prévue pour le troisième trimestre 2026.

Les RMP diffèrent des packages de modèles d' SageMaker IA standard dans la mesure où les artefacts du modèle sous-jacent restent à tout moment dans un stockage sécurisé géré par des services. Les clients interagissent avec le modèle via son ARN plutôt que d'accéder aux fichiers de point de contrôle directement dans Amazon S3.

Cas d’utilisation pris en charge

Le tableau suivant récapitule les cas d'utilisation du RMP disponibles aujourd'hui et ceux prévus pour les versions futures.

Résultat d'entraînement MTRL

Lorsque vous entraînez un modèle à l'aide de l'apprentissage par renforcement multitour (MTRL) sur SageMaker Training Jobs Serverless, les résultats de formation sont fournis sous forme de RMP plutôt que sous forme de parcours de point de contrôle Amazon S3. Le RMP de sortie est automatiquement créé et enregistré dans le Model Package Group que vous spécifiez lors de la configuration du gestionnaire d'exécution. Vous ne créez pas directement des RMP : ils sont produits par la plateforme en tant que résultats de tâches de formation.

Le model_package_group_name paramètre est obligatoire lors de l'exécution de MTRL sur SageMaker Training Jobs Serverless. Vous devez spécifier un groupe de packages de modèles existant StorageType: "Restricted" dans lequel le RMP de sortie sera enregistré. Sans ce paramètre, la tâche de formation échouera. Configurez le runtime avec un model_package_group_name pour recevoir le résultat de l'entraînement :

from amzn_nova_forge.manager.runtime_manager import SMTJServerlessRuntimeManager
from amzn_nova_forge.trainer.forge_trainer import ForgeTrainer
from amzn_nova_forge.model.model_enums import Model, TrainingMethod
from amzn_nova_forge.core import ForgeConfig

# Configure runtime with the output Model Package Group
runtime = SMTJServerlessRuntimeManager(
    model_package_group_name="my-rmp-model-package-group",  # Required for MTRL
    execution_role="arn:aws:iam::123456789012:role/my-role",
    agent_core_arn="arn:aws:bedrock-agentcore:us-east-1:123456789012:runtime/my-agent",  # AgentCore runtime for MTRL execution
)

# Train with MTRL
trainer = ForgeTrainer(
    model=Model.NOVA_LITE_2,
    method=TrainingMethod.RFT_MULTITURN_LORA,
    infra=runtime,
    training_data_s3_path="s3://your-bucket/prompts/train.parquet",
    config=ForgeConfig(output_s3_path="s3://your-bucket/output/"),
)

result = trainer.train(job_name="my-mtrl-job")

# Wait for completion and retrieve the output RMP ARN
result.wait()
print(result.model_artifacts.output_model_arn)

Une fois la formation terminée, le modèle obtenu est enregistré en tant que nouvelle version dans le groupe de packages de modèles spécifié.

Utilisation d'un RMP pour l'évaluation

Vous pouvez évaluer un modèle stocké sous forme de RMP en référençant son ARN. La plate-forme d' SageMaker intelligence artificielle résout le RMP en fonction des artefacts du modèle sous-jacent en interne, de sorte que votre flux de travail d'évaluation n'a pas besoin de gérer directement le point de contrôle du modèle.

Pour en savoir plus sur l'exécution d'évaluations par rapport aux modèles Amazon Nova, consultezÉvaluation de votre SageMaker AI-trained modèle.

Utilisation d'un RMP comme entrée d'entraînement (Q3 2026)

L'utilisation d'un RMP comme modèle source pour un travail de formation est prévue pour le troisième trimestre 2026 et n'est pas disponible aujourd'hui. Une fois pris en charge, vous pourrez spécifier un ARN RMP comme modèle source à utiliserModelPackageConfig.SourceModelPackageArn. La plateforme d' SageMaker intelligence artificielle résoudra l'ARN au point de contrôle réel du modèle en interne, de sorte que votre code de formation recevra les artefacts du modèle comme s'ils avaient été chargés depuis Amazon S3.

Cela permettra des flux de travail d'entraînement MTRL itératifs dans lesquels le RMP de sortie d'une tâche de formation pourra être transmis en tant que modèle source à une tâche MTRL suivante, permettant à chaque exécution de s'appuyer sur le résultat de la précédente sans jamais exposer le point de contrôle du modèle sous-jacent.