A Amazon Web Services detalha uma sincronização mais rica entre o MLflow gerenciado no Amazon SageMaker AI e o SageMaker AI Model Registry. Agora, além do modelo, o processo leva métricas de treinamento, resultados de avaliação, especificação de inferência e linhagem para o registro. A publicação também mostra como a promoção de estágio do ciclo de vida pode ser feita a partir do próprio MLflow.
Segundo a fonte, antes essa sincronização já existia, mas chegava ao Model Registry sem métricas, avaliação ou linhagem. Com isso, a revisão de um candidato exigia voltar ao MLflow ou reunir contexto manualmente. A novidade descrita é que cada modelo registrado no MLflow passa a criar automaticamente um Model Package Group e uma versão correspondente no registro, já com os dados necessários para análise.
O guia explica que a ativação é opcional, por meio de AutoModelRegistrationEnabled, e depende de permissões IAM para criar grupos, versões, tags e associações de linhagem. Em um cenário de uma única conta, o controle de quem pode promover modelos fica com condition keys do IAM; a fonte também cita a possibilidade de congelar um Model Package Group com tags de recurso depois da aprovação.
A publicação integra uma série em duas partes e menciona ainda que mudanças no ciclo de vida geram eventos no Amazon EventBridge para auditoria.