Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Pacchetti di modelli con restrizioni
Cos'è un Restricted Model Package?
Un Restricted Model Package (RMP) è un pacchetto di modelli SageMaker AI che racchiude gli artefatti del modello proprietario in uno storage sicuro e gestito dai servizi che non è direttamente accessibile ai clienti. Gli RMP consentono di autorizzare e controllare l'utilizzo di questi modelli tramite policy IAM senza concedere l'accesso diretto agli artefatti sottostanti. I dati del modello non possono essere scaricati, esportati o visualizzati direttamente. Può essere utilizzato solo all'interno di servizi AWS autorizzati. Gli RMP possono essere creati solo da responsabili di piattaforme SageMaker AI affidabili ed esistono all'interno dei Model Package Groups contrassegnati con. StorageType: "Restricted"
Gli RMP vengono prodotti oggi mediante corsi di formazione MTRL (Multi-Turn Reinforcement Learning) su Training Jobs Serverless. SageMaker Una volta che esiste un RMP, è possibile utilizzare il relativo ARN per valutare il modello sottostante. L'utilizzo di un RMP come input per un successivo processo di formazione, ad esempio per concatenare MTRL in un flusso di lavoro di formazione iterativo, è previsto per il terzo trimestre 2026.
Gli RMP si differenziano dai pacchetti di modelli SageMaker AI standard in quanto gli artefatti del modello sottostante rimangono sempre in uno storage sicuro e gestito dai servizi. I clienti interagiscono con il modello tramite il relativo ARN anziché accedere ai file del checkpoint direttamente in Amazon S3.
Casi di utilizzo supportati
La tabella seguente riassume quali casi d'uso RMP sono disponibili oggi e quali sono previsti per le versioni future.
| Caso d’uso | Disponibilità |
|---|---|
| Risultati formativi: ricevete un RMP come artefatto del modello addestrato da un lavoro di formazione MTRL | Disponibilità generale |
| Input di valutazione: fate riferimento a un RMP come modello da valutare | Disponibilità generale |
| Input formativo: utilizzate un RMP come modello di origine per un successivo lavoro di formazione (ad esempio, flussi di lavoro MTRL iterativi) | TERZO TRIMESTRE 2026 |
Risultati formativi MTRL
Quando si addestra un modello utilizzando l'apprendimento di rinforzo a più turni (MTRL) su SageMaker Training Jobs Serverless, l'output formativo viene fornito come RMP anziché come percorso di checkpoint Amazon S3. L'output RMP viene creato e registrato automaticamente nel Model Package Group specificato durante la configurazione del runtime manager. Gli RMP non vengono creati direttamente, ma vengono prodotti dalla piattaforma come risultati del processo di formazione.
Il model_package_group_name parametro è obbligatorio quando si esegue MTRL su Training Jobs Serverless. SageMaker È necessario specificare un Model Package Group esistente StorageType: "Restricted" in cui verrà registrato l'RMP di output. Senza questo parametro, il processo di formazione fallirà. Configura il runtime con model_package_group_name a per ricevere l'output dell'allenamento:
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)
Al termine dell'addestramento, il modello risultante viene registrato come nuova versione nel Model Package Group specificato.
Utilizzo di un RMP per la valutazione
È possibile valutare un modello archiviato come RMP facendo riferimento al relativo ARN. La piattaforma SageMaker AI risolve internamente l'RMP negli artefatti del modello sottostanti, quindi il flusso di lavoro di valutazione non deve gestire direttamente il checkpoint del modello.
Per informazioni dettagliate sull'esecuzione di valutazioni rispetto ai modelli Amazon Nova, consultaValutazione del modello SageMaker AI-trained.
Utilizzo di un RMP come input per la formazione (terzo trimestre 2026)
L'utilizzo di un RMP come modello di origine per un lavoro di formazione è previsto per il terzo trimestre 2026 e non è disponibile oggi. Una volta supportato, sarà possibile specificare un ARN RMP come modello sorgente utilizzando. ModelPackageConfig.SourceModelPackageArn La piattaforma SageMaker AI risolverà internamente l'ARN fino al checkpoint effettivo del modello, in modo che il codice di addestramento riceva gli artefatti del modello come se fossero stati caricati da Amazon S3.
Ciò consentirà flussi di lavoro di formazione MTRL iterativi in cui l'RMP in uscita da un processo di formazione può essere passato come modello di origine a un processo MTRL successivo, consentendo a ogni esecuzione di basarsi sull'output di quella precedente senza mai esporre il checkpoint del modello sottostante.
