AWS用多轮强化学习微调搜索Agent
2026年10月2日,AWS介绍在Amazon SageMaker AI上使用多轮强化学习(MTRL)微调基于Qwen3.6-27B的搜索Agent,让模型自主决定检索策略与停止时机。据AWS Machine Learning发布的信息,MTRL以多轮rollout生成训练数据,支持PPO、CISPO、IS损失与GRPO等优势估计器,并提供无服务器执行、可恢复训练和MLflow轨迹观测。该方案以nDCG@10为主要奖励指标,训练后可在SageMaker AI端点或Amazon Bedrock上部署。目前该故事尚无后续发展事实,状态停留在这一初始发布。
匹配字段标题