制限付きモデルパッケージ

制限付きモデルパッケージの概要

制限付きモデルパッケージ (RMP) は、お客様が直接アクセスすることのできないセキュアなサービスマネージドストレージに独自のモデルアーティファクトをラップする SageMaker AI モデルパッケージです。RMP を使用すると、基盤となるアーティファクトへの直接アクセスを許可することなく、これらのモデルの使用を IAM ポリシーで許可および制御できます。モデルデータを直接ダウンロード、エクスポート、表示することはできません。これは承認された AWS サービス内でのみ使用できます。RMP を作成できるのは信頼できる SageMaker AI プラットフォームプリンシパルだけです。RMP は StorageType: "Restricted" でマークされたモデルパッケージグループ内に存在します。

現在、RMP は、SageMaker トレーニングジョブサーバーレス上のマルチターン強化学習 (MTRL) トレーニングによって生成されています。RMP が生成されると、その ARN を使用して基盤となるモデルを評価できます。2026 年第 3 四半期には、RTM を後続のトレーニングジョブへの入力としての使用 (MTRL 実行を反復トレーニングワークフローに連鎖させるなど) がサポートされる予定です。

RMP は、基盤となるモデルアーティファクトがセキュアなサービスマネージドストレージに常時保持されるという点で、標準の SageMaker AI モデルパッケージとは異なります。お客様は、Amazon S3 でチェックポイントファイルに直接アクセスするのではなく、ARN を介してモデルを操作します。

対応するユースケース

現在利用可能な RMP ユースケースと今後のリリースが予定されている RMP ユースケースを次の表に示します。

MTRL トレーニング出力

SageMaker トレーニングジョブサーバーレスでマルチターン強化学習 (MTRL) を使用してモデルをトレーニングすると、出力は Amazon S3 チェックポイントパスには出力されず、RMP として配信されます。出力 RMP は自動的に作成され、ランタイムマネージャーを設定するときに指定したモデルパッケージグループに登録されます。RMP はお客様が直接作成するものではなく、トレーニングジョブの出力としてプラットフォームによって生成されます。

SageMaker トレーニングジョブサーバーレスで MTRL を実行する場合は、model_package_group_name パラメータが必要です。StorageType: "Restricted" 出力 RMP を登録する既存のモデルパッケージグループを指定する必要があります。このパラメータがない場合、トレーニングジョブは失敗します。トレーニング出力を受け取る model_package_group_name でランタイムを設定します。

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)

トレーニングが完了すると、結果のモデルは、指定されたモデルパッケージグループに新しいバージョンとして登録されます。

評価に RMP を使用する

RMP として保存されたモデルは、ARN を参照することで評価できます。SageMaker AI プラットフォームは RMP を内部で基盤となるモデルアーティファクトに解決するため、評価ワークフローでモデルチェックポイントを直接処理する必要はありません。

Amazon Nova モデルに対して評価を実行する方法の詳細については、「SageMaker AI でトレーニングされたモデルの評価」を参照してください。

トレーニング入力として RMP を使用する (2026 年第 3 四半期)

トレーニングジョブのソースモデルとしての RMP の使用は、2026 年第 3 四半期にサポートされる予定です。現在は利用できません。サポートされるようになると、ModelPackageConfig.SourceModelPackageArn を使用して RMP ARN をソースモデルとして指定できるようになります。SageMaker AI プラットフォームは ARN を内部的に実際のモデルチェックポイントに解決するため、トレーニングコードは Amazon S3 からロードされたかのようにモデルアーティファクトを受け取ります。

これにより、1 つのトレーニングジョブからの出力 RMP をソースモデルとして後続の MTRL ジョブに渡すことができる反復的な MTRL トレーニングワークフローが可能になり、基盤となるモデルチェックポイントを公開することなく、前のジョブの出力に基づいて各実行を構築できます。