AWS Machine Learning Blog· Daniel Quang·· 7 天前AI 评分46
在 Amazon SageMaker AI 上进行多轮强化学习：实战指南
Multi-Turn Reinforcement Learning on Amazon SageMaker AI: A hands-on guide
AI 导读
Amazon SageMaker AI 的多轮强化学习（MTRL）通过 AgentCore 托管智能体、按整局结果给奖励来训练模型，示例中把 gpt-oss-20b 在留出词上的解谜率从 61% 提升到 84%（默认推理强度），低推理强度下从 15% 提升到 69%，训练 token 成本约 339 美元。
来源：AWS Machine Learning Blog · aws.amazon.com