AWS: Fine-Tuning FLOPs Meter za SageMaker automatizira EU AI Act compliance threshold tracking
Fine-Tuning FLOPs Meter toolkit je nova AWS SageMaker AI ekstenzija objavljena 12. svibnja 2026. koja automatski prati compute thresholde Europskog AI Acta (3,3×10²² FLOPs, 3,3×10²⁴ za systemic risk) tijekom fine-tuninga LLM-ova. Aktivira se jednim flag-om compute_flops=true u recipe YAML-u i automatski generira audit dokumentaciju u S3 i DynamoDB.
Ovaj članak generiran je uz pomoć umjetne inteligencije na temelju primarnih izvora.
Amazon Web Services je 12. svibnja 2026. objavio Fine-Tuning FLOPs Meter, otvoreni toolkit za Amazon SageMaker AI koji automatizira praćenje compute thresholda Europskog AI Acta tijekom fine-tuninga velikih jezičnih modela. Alat se aktivira jednim configuration flag-om u recipe YAML-u i bilježi sve potrebne metrike za audit dokumentaciju.
Koje thresholde EU AI Act primjenjuje?
Toolkit implementira tri thresholda kroz funkciju determine_compliance_threshold(). Default 3,3×10²² FLOPs primjenjuje se kad pretraining compute nije poznat ili je manji od 10²³ FLOPs. Relativni threshold od 30% stvarnog pretraining compute-a aktivira se kad je pretraining dokumentiran iznad 10²³ FLOPs. Systemic Risk threshold 3,3×10²⁴ FLOPs primjenjuje se za modele s pretraining compute-om većim od 10²⁵ FLOPs — najviša kategorija obveza u Aktu.
Što prelazak praga znači za organizaciju?
Organizacija koja prijeđe svoj primjenjivi prag prelazi iz statusa “downstream user” u status “GPAI model provider”. Nova klasifikacija stvara dodatne obveze: detaljne disclosure arhitekture i training procesa, javnu listu korištenih data sourcea i dokazivanje usklađenosti s EU copyright propisima. AWS naglašava da je promjena statusa najveća compliance promjena kroz koju fine-tuning organizacija može proći.
Kako se Meter integrira u SageMaker?
Aktivacija je jedan YAML flag: compute_flops: true u SageMaker training recipe-u. Toolkit operira kao standardni Hugging Face TrainerCallback, što znači da se integrira u postojeći SageMaker Training pipeline bez arhitektonskih izmjena. Rezultati se automatski uploadaju na Amazon S3 i pohranjuju u DynamoDB kao trajni compliance zapis.
Output flops_meter.json sadrži architecture-based i hardware-based FLOPs kalkulacije, primijenjeni threshold tip i compliance status, model parametre, training duration, GPU specifikacije i training job identifikatore za audit trail linkanje. AWS preporučuje Flops_architecture kao primarnu compliance metriku jer “accurately reflects your actual training configuration”.
Alat je dio šire AWS odluke da regulatorne obveze podigne s razine konzultantskog savjeta na razinu cloud platforme — što compliance pretvara iz manualnog projekta u feature toggle.
Česta pitanja
- Koji EU AI Act threshold prati ovaj toolkit?
- Toolkit automatski bira default 3,3×10²² FLOPs threshold kad je pretraining compute nepoznat ili manji od 10²³, relativni threshold 30% pretraining compute-a kad je dokumentiran, te systemic risk threshold 3,3×10²⁴ FLOPs za modele s pretraining compute-om ≥ 10²⁵.
- Koje obveze stvara prelazak praga?
- Organizacija koja prijeđe svoj prag postaje GPAI model provider umjesto downstream user; obveze uključuju detaljnu arhitektonsku i training disclosure, javnu listu data sourcea i dokazivanje usklađenosti s EU copyright zakonom.
Povezane vijesti
UK AI Safety Institute: Nadzor nad naprednim AI sustavima postaje sve teži — 20+ putanja degradacije identificirano
EU AI Office: nacrt smjernica za klasifikaciju visokorizičnih AI sustava
Google DeepMind i Singapur: Nacionalno partnerstvo za AI u zdravstvu, obrazovanju i okolišu