先了解这件事
AI 综述
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。
AI 根据公开报道生成
最新进展 · 正式报道
在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体事件进展
1 个已确认进展
- 来源：AWS Machine Learning
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月2日
AWS Machine Learning一手
在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体
AWS 介绍如何用 Amazon SageMaker AI 的多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，让模型自主决定检索策略与停止时机。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。