⌘ K
… 读取采集状态 同步中...
雷
原文
AWS Machine Learning Blog· Huibin Shen·· 10 天前AI 评分40

Amazon SageMaker AI 如何使用多轮强化学习微调搜索智能体

Fine-tune a search agent with multi-turn RL on Amazon SageMaker AI

AI 导读

Amazon SageMaker AI 利用多轮强化学习(MTRL)微调了 Qwen3.6-27B 模型,使其具备可靠的多轮搜索智能体能力。该方案通过策略梯度算法优化完整轨迹,在保持小模型速度优势的同时,提升了检索质量与可靠性。用户可结合 BM25 和向量搜索工具,在服务端无服务器环境中按 token 计费运行生产级强化学习训练。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:AWS Machine Learning Blog · aws.amazon.com