本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 受限模型套件
<a name="nova-rmp"></a>

## 什麼是受限制模型套件？
<a name="nova-rmp-overview"></a>

受限制模型套件 (RMP) 是一種 SageMaker AI 模型套件，可將專屬模型成品包裝在客戶無法直接存取的安全服務受管儲存中。RMPs可讓您透過 IAM 政策授權和控制這些模型的使用，而無需授予對基礎成品的直接存取權。模型資料無法直接下載、匯出或檢視。它只能在授權的 AWS 服務內使用。RMPs 只能由信任的 SageMaker AI 平台主體建立，並存在於標記為 的模型套件群組中`StorageType: "Restricted"`。

RMPs 現在由 SageMaker Training Jobs Serverless 上的多迴轉強化學習 (MTRL) 訓練產生。一旦 RMP 存在，您可以使用其 ARN 來評估基礎模型。2026 年第 Q3預計使用 RMP 做為後續訓練任務的輸入，例如，將 MTRL 執行鏈結至反覆訓練工作流程。

RMPs與標準 SageMaker AI 模型套件不同，因為基礎模型成品始終保留在安全、服務受管的儲存中。客戶透過 ARN 與模型互動，而不是直接在 Amazon S3 中存取檢查點檔案。

## 支援的使用案例
<a name="nova-rmp-support-status"></a>

下表摘要說明目前可用的 RMP 使用案例，以及未來版本的規劃。


| 使用案例 | 可用性 | 
| --- | --- | 
| 訓練輸出 — 從 MTRL 訓練任務接收 RMP 作為訓練模型成品 | 全面推出 | 
| 評估輸入 — 參考 RMP 作為評估中的模型 | 全面推出 | 
| 訓練輸入 — 使用 RMP 作為後續訓練任務的來源模型 （例如，反覆 MTRL 工作流程） | 2026 年第 Q3  | 

## MTRL 訓練輸出
<a name="nova-rmp-mtrl-output"></a>

當您在 SageMaker Training Jobs Serverless 上使用多迴轉強化學習 (MTRL) 訓練模型時，訓練輸出會以 RMP 而非 Amazon S3 檢查點路徑傳送。輸出 RMP 會自動在您設定執行期管理員時指定的模型套件群組中建立和註冊。您不會直接建立 RMPs，而是由平台產生做為訓練任務輸出。

在 SageMaker Training Jobs Serverless 上執行 MTRL 時，需要 `model_package_group_name` 參數。您必須指定要註冊輸出 RMP `StorageType: "Restricted"`的現有模型套件群組。如果沒有此參數，訓練任務將會失敗。使用 設定執行時間`model_package_group_name`以接收訓練輸出：

```
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)
```

訓練完成後，產生的模型會在指定的模型套件群組中註冊為新版本。

## 使用 RMP 進行評估
<a name="nova-rmp-evaluation"></a>

您可以參考模型的 ARN 來評估儲存為 RMP 的模型。SageMaker AI 平台會在內部將 RMP 解析為基礎模型成品，因此您的評估工作流程不需要直接處理模型檢查點。

如需針對 Amazon Nova 模型執行評估的詳細資訊，請參閱 [評估您的 SageMaker AI 訓練模型](nova-model-evaluation.md)。

## 使用 RMP 做為訓練輸入 (2026 年第 3 季）
<a name="nova-rmp-future-training-input"></a>

2026 年第 Q3計劃使用 RMP 做為訓練任務的來源模型，目前不可用。支援後，您將可以使用 將 RMP ARN 指定為來源模型`ModelPackageConfig.SourceModelPackageArn`。SageMaker AI 平台會在內部將 ARN 解析為實際模型檢查點，因此您的訓練程式碼會收到模型成品，就好像從 Amazon S3 載入一樣。

這將啟用反覆的 MTRL 訓練工作流程，其中來自一個訓練任務的輸出 RMP 可以做為來源模型傳遞到後續的 MTRL 任務，允許每個執行以先前任務的輸出為基礎，而不會公開基礎模型檢查點。