AWS发布SageMaker AI多轮强化学习指南

AWS发布了一份实操指南，介绍如何在Amazon SageMaker AI上完成多轮强化学习（MTRL）的训练流程。按照该指南的说法，这种训练以整局结果为奖励信号；在其内置的Wordle示例中，gpt-oss-20b在默认推理强度下的求解率从61%提升到84%。 指南覆盖部署智能体与奖励到AgentCore、准备数据集、训练、在MLflow中监控及在服务设置下评估。AWS称，目前支持的基础模型均使用LoRA适配器训练；用户无需选择实例或规划集群，而是按基础模型、以每百万token计费。指南要求先创建MLflow应用。 指南还称，由于服务不检查prompt字符串，生产任务可以把完整消息列表、工具配置或奖励规范打包进去。求解率数字来自指南自述的示例。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。