AWS: SageMaker Fine-Tuning FLOPs Meter로 EU AI 법 컴플라이언스 임계값 추적 자동화

Amazon Web Services는 2026년 5월 12일 Fine-Tuning FLOPs Meter를 공개했습니다. Amazon SageMaker AI를 위한 오픈소스 툴킷으로, 대규모 언어 모델 파인튜닝 중 유럽 AI 법의 컴퓨트 임계값 추적을 자동화합니다. 이 도구는 recipe YAML의 단일 설정 플래그로 활성화되며 감사 문서에 필요한 모든 메트릭을 기록합니다.

EU AI 법은 어떤 임계값을 적용합니까?

툴킷은 determine_compliance_threshold() 함수를 통해 세 가지 임계값을 구현합니다. 사전 학습 컴퓨트가 알 수 없거나 10²³ FLOPs 미만이면 기본 임계값 3.3×10²² FLOPs가 적용됩니다. 사전 학습 컴퓨트가 10²³ FLOPs 이상으로 문서화된 경우 실제 사전 학습 컴퓨트의 30%의 상대 임계값이 활성화됩니다. 사전 학습 컴퓨트가 10²⁵ FLOPs를 초과하는 모델에는 시스템 리스크 임계값 3.3×10²⁴ FLOPs가 적용됩니다——법에서 가장 높은 의무 범주입니다.

임계값 초과는 조직에 무엇을 의미합니까?

적용 임계값을 초과한 조직은 “다운스트림 사용자”에서 “GPAI 모델 제공자” 상태로 전환됩니다. 새 분류는 추가 의무를 발생시킵니다: 아키텍처와 학습 프로세스의 상세 공개, 사용된 데이터 소스의 공개 목록, EU 저작권 규정 준수 증명. AWS는 이 상태 변경이 파인튜닝 조직이 경험할 수 있는 가장 큰 컴플라이언스 변화라고 강조합니다.

Meter를 SageMaker에 어떻게 통합합니까?

활성화는 YAML 플래그 하나입니다: SageMaker 학습 레시피에 compute_flops: true를 설정합니다. 툴킷은 표준 Hugging Face TrainerCallback으로 동작합니다. 즉, 아키텍처 변경 없이 기존 SageMaker Training 파이프라인에 통합됩니다. 결과는 자동으로 Amazon S3에 업로드되고 영구 컴플라이언스 기록으로 DynamoDB에 저장됩니다.

출력 flops_meter.json에는 아키텍처 기반 및 하드웨어 기반 FLOPs 계산, 적용된 임계값 유형과 컴플라이언스 상태, 모델 파라미터, 학습 기간, GPU 사양, 감사 추적 연결을 위한 학습 작업 식별자가 포함됩니다. AWS는 Flops_architecture를 “실제 학습 구성을 정확하게 반영하기” 때문에 주요 컴플라이언스 메트릭으로 권장합니다.

이 도구는 AWS가 규제 의무를 컨설팅 조언 수준에서 클라우드 플랫폼 수준으로 끌어올리는 광범위한 결정의 일부입니다——컴플라이언스를 수동 프로젝트에서 기능 토글로 전환합니다.