Packages de modèles restreints

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

Un package de modèles restreints (RMP) est un package de modèles d' SageMaker IA 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 via des 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 dans les groupes de packages de modèles marqués par. StorageType: "Restricted"

Les RMP sont produits aujourd'hui par le biais d'une formation MTRL (Multiturn Reinforcement Learning) sur Training Jobs Serverless SageMaker . 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 séquences MTRL dans un flux de formation itératif, est prévue pour le troisième trimestre 2026.

Les RMP diffèrent des packages de modèles d' SageMaker IA standard en ce sens que 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 des points 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 qui sont prévus pour les prochaines versions.

Cas d’utilisation	Disponibilité
Résultat d'entraînement : recevez un RMP en tant qu'artefact du modèle entraîné à la suite d'une tâche de formation MTRL	Généralement disponible
Entrée d'évaluation : faites référence à un PGR comme modèle à évaluer	Généralement disponible
Entrée de formation : utilisez un RMP comme modèle source pour une tâche de formation ultérieure (par exemple, des flux de travail MTRL itératifs)	3E TRIMESTRE 2026

Sortie d'entraînement MTRL

Lorsque vous entraînez un modèle à l'aide de l'apprentissage par renforcement multitour (MTRL) sur SageMaker Training Jobs Serverless, le résultat d'entraînement est fourni sous forme de RMP plutôt que de chemin de point de contrôle Amazon S3. Le RMP de sortie est automatiquement créé et enregistré dans un groupe de packages de modèles. Vous ne créez pas de RMP directement, ils sont produits par la plateforme en tant que résultats des tâches de formation.

Utilisez la MultiTurnRLTrainer classe pour exécuter l'entraînement MTRL. Le output_model_package_group paramètre est facultatif. S'il n'est pas fourni, le SDK crée automatiquement un groupe de packages de modèles nommé {model}-mtrl-mpg par. StorageType: "Restricted"

from sagemaker.train.multi_turn_rl_trainer import MultiTurnRLTrainer

trainer = MultiTurnRLTrainer(
    model="nova-textgeneration-lite-v2",
    agent_env="arn:aws:bedrock-agentcore:us-east-1:123456789012:runtime/my-agent",
    training_dataset="s3://your-bucket/prompts/train.parquet",
    s3_output_path="s3://your-bucket/output/",
    accept_eula=True,
    # output_model_package_group is optional — auto-created if not provided
)

job = trainer.train(wait=True)

# Retrieve the output RMP ARN
print(job.output_model_package_arn)

Une fois la formation terminée, le modèle obtenu est enregistré en tant que nouvelle version dans le Model Package Group.

Utilisation d'un RMP pour l'évaluation

Vous pouvez évaluer un modèle stocké en tant que RMP en référençant son ARN. La plateforme d' SageMaker IA résout le RMP en fonction des artefacts du modèle sous-jacents 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 plus d'informations sur l'exécution d'évaluations par rapport aux modèles Amazon Nova, consultezÉvaluation de votre SageMaker AI-trained modèle.

Utilisation d'un RMP comme entrée de formation (3e trimestre 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 l'aide ModelPackageConfig.SourceModelPackageArn de. La plateforme d' SageMaker IA résoudra l'ARN au point de contrôle réel du modèle en interne, de sorte que votre code d'entraînement recevra les artefacts du modèle comme s'ils avaient été chargés depuis Amazon S3.

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