一个机器学习团队与其他团队共享模型工件，但保留训练代码和数据。他们希望有一个发布时机制，以支持对其自定义模型的审计和透明度。在发布这些模型时，他们应该使用哪种解决方案？

正确答案是发布 Amazon SageMaker Model Cards。SageMaker Model Cards 专门设计用于记录机器学习模型的关键信息，包括预期用途、训练数据、评估指标和推理详细信息。这为模型审计和透明度提供了结构化且集中的机制，满足了团队的需求。 将文档存储在 Amazon S3 中虽然可以存储信息，但缺乏 SageMaker Model Cards 提供的标准化结构和特定于模型的字段，不利于审计和透明度。AWS AI Service Cards 适用于 AWS 提供的预训练 AI 服务，而不是团队自定义训练的模型。提供模型训练脚本到 Git 存储库虽然有助于代码版本控制，但它没有提供模型本身的结构化元数据，无法满足审计和透明度的要求。