AWS Machine Learning Blog· Huibin Shen·· 16 天前精选AI 评分60
AWS 用 Amazon SageMaker AI 多轮 RL 微调 Qwen3.6-27B 搜索智能体
Fine-tune a search agent with multi-turn RL on Amazon SageMaker AI
AI 导读
AWS 团队在 Amazon SageMaker AI 上用多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，以 nDCG@10 作为轨迹级奖励，只改动 max_epochs、global_batch_size、rollout_max_concurrency 三个超参数。
推荐理由
AWS 团队用 SageMaker AI 多轮 RL 微调 Qwen3.6-27B 搜索智能体，给出奖励设计与各基准的检索质量、失败率变化。
来源：AWS Machine Learning Blog · aws.amazon.com