Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Paket Model Terbatas

Apa itu Paket Model Terbatas?

Restricted Model Package (RMP) adalah Paket Model SageMaker AI yang membungkus artefak model berpemilik dalam penyimpanan yang aman dan dikelola layanan yang tidak dapat diakses secara langsung oleh pelanggan. RMP memungkinkan Anda untuk mengotorisasi dan mengontrol penggunaan model ini melalui kebijakan IAM tanpa memberikan akses langsung ke artefak yang mendasarinya. Data model tidak dapat diunduh, diekspor, atau dilihat secara langsung. Ini hanya dapat digunakan dalam layanan AWS resmi. RMP hanya dapat dibuat oleh prinsipal platform SageMaker AI tepercaya dan ada dalam Grup Paket Model yang ditandai dengan. StorageType: "Restricted"

RMP diproduksi hari ini dengan pelatihan multi-turn reinforcement learning (MTRL) tentang SageMaker Training Jobs Serverless. Setelah RMP ada, Anda dapat menggunakan ARN untuk mengevaluasi model yang mendasarinya. Menggunakan RMP sebagai masukan untuk pekerjaan pelatihan berikutnya — misalnya, untuk rantai MTRL berjalan ke dalam alur kerja pelatihan berulang — direncanakan untuk Q3 2026.

RMP berbeda dari Paket Model SageMaker AI standar karena artefak model yang mendasarinya tetap dalam penyimpanan yang aman dan dikelola layanan setiap saat. Pelanggan berinteraksi dengan model melalui ARN daripada mengakses file pos pemeriksaan langsung di Amazon S3.

Kasus penggunaan yang didukung

Tabel berikut merangkum kasus penggunaan RMP mana yang tersedia saat ini dan mana yang direncanakan untuk rilis masa depan.

Output pelatihan MTRL

Saat Anda melatih model menggunakan multi-turn reinforcement learning (MTRL) pada SageMaker Training Jobs Serverless, output pelatihan dikirimkan sebagai RMP daripada jalur pos pemeriksaan Amazon S3. Output RMP secara otomatis dibuat dan terdaftar di Model Package Group yang Anda tentukan saat mengonfigurasi manajer runtime. Anda tidak membuat RMP secara langsung — mereka diproduksi oleh platform sebagai output pekerjaan pelatihan.

model_package_group_nameParameter diperlukan saat menjalankan MTRL pada SageMaker Training Jobs Serverless. Anda harus menentukan Grup Paket Model yang ada dengan StorageType: "Restricted" tempat RMP keluaran akan didaftarkan. Tanpa parameter ini, pekerjaan pelatihan akan gagal. Konfigurasikan runtime dengan a model_package_group_name untuk menerima output pelatihan:

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)

Setelah pelatihan selesai, model yang dihasilkan terdaftar sebagai versi baru dalam Model Package Group yang ditentukan.

Menggunakan RMP untuk evaluasi

Anda dapat mengevaluasi model yang disimpan sebagai RMP dengan merujuk ARN-nya. Platform SageMaker AI menyelesaikan RMP ke artefak model yang mendasarinya secara internal, sehingga alur kerja evaluasi Anda tidak perlu menangani pos pemeriksaan model secara langsung.

Untuk detail tentang menjalankan evaluasi terhadap model Amazon Nova, lihatMengevaluasi model Anda SageMaker AI-trained.

Menggunakan RMP sebagai input pelatihan (Q3 2026)

Menggunakan RMP sebagai model sumber untuk pekerjaan pelatihan direncanakan untuk Q3 2026 dan tidak tersedia hari ini. Setelah didukung, Anda akan dapat menentukan ARN RMP sebagai model sumber yang digunakan. ModelPackageConfig.SourceModelPackageArn Platform SageMaker AI akan menyelesaikan ARN ke pos pemeriksaan model aktual secara internal, sehingga kode pelatihan Anda akan menerima artefak model seolah-olah dimuat dari Amazon S3.

Ini akan memungkinkan alur kerja pelatihan MTRL berulang di mana RMP keluaran dari satu pekerjaan pelatihan dapat diteruskan sebagai model sumber ke pekerjaan MTRL berikutnya, memungkinkan setiap proses untuk membangun output dari yang sebelumnya tanpa pernah mengekspos pos pemeriksaan model yang mendasarinya.