受限模型包

什么是受限模型包？

受限模型包 (RMP) 是一种 SageMaker AI 模型包，它将专有模型构件封装在安全的、由服务管理的存储中，客户无法直接访问该存储。RMP 让您可以通过 IAM 策略授权和控制这些模型的使用，而无需授予对底层构件的直接访问权限。无法直接下载、导出或查看模型数据。该数据仅可在授权的 AWS 服务中使用。RMP 只能由受信任的 SageMaker AI 平台主体创建，并存在于标记为“StorageType: "Restricted"”的模型包组中。

目前，RMP 是通过在 SageMaker Training Jobs Serverless 上进行多轮强化学习 (MTRL) 训练生成的。一旦 RMP 存在，您就可以使用其 ARN 来评估底层模型。计划于 2026 年第三季度支持将 RMP 作为后续训练作业的输入——例如，将 MTRL 运行串联成迭代训练工作流。

RMP 与标准的 SageMaker AI 模型包的不同之处在于，其底层模型构件始终保存在安全且由服务托管的存储中。客户通过模型的 ARN 与模型交互，而不是直接访问 Amazon S3 中的检查点文件。

支持的使用案例

下表总结了目前可用的 RMP 用例以及计划在未来版本中推出的用例。

MTRL 训练输出

当您在 SageMaker Training Jobs Serverless 上使用多轮强化学习 (MTRL) 训练模型时，训练结果将以 RMP 格式交付，而非 Amazon S3 检查点路径。生成的 RMP 会自动创建，并注册到您在配置运行时管理器时指定的模型包组中。您无需直接创建 RMP——它们是由平台作为训练作业的输出自动生成的。

在 SageMaker Training Jobs Serverless 上运行 MTRL 时，必须指定 model_package_group_name 参数。您必须指定一个已存在的、标记为“StorageType: "Restricted"”的模型包组，用于注册输出的 RMP。如果没有此参数，训练作业将失败。为运行时配置一个 model_package_group_name，以接收训练输出：

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)

训练完成后，生成的模型将作为新版本注册到指定的模型包组中。

使用 RMP 进行评估

您可以通过引用其 ARN 来评估以 RMP 格式存储的模型。SageMaker AI 平台会在内部将 RMP 解析为底层模型构件，因此您的评估工作流无需直接处理模型检查点。

有关对 Amazon Nova 模型进行评估的详细信息，请参阅 评估经过 SageMaker AI 训练的模型。

将 RMP 用作训练输入（2026 年第三季度）

计划于2026年第三季度将 RMP 用作训练作业的源模型，目前尚不可用。一旦该功能上线，您将能够使用 ModelPackageConfig.SourceModelPackageArn 来指定一个 RMP ARN 作为源模型。SageMaker AI 平台会在内部将 ARN 解析为实际的模型检查点，因此您的训练代码将接收模型构件，就像这些构件是从 Amazon S3 加载的一样。

这将支持迭代式 MTRL 训练工作流：一个训练作业生成的 RMP 可以作为源模型传递给后续的 MTRL 作业，从而使每次运行都能基于前一次的输出进行构建，同时完全不会暴露底层的模型检查点。