AWS Machine Learning Blog· Daniel Quang·· 23 天前精选AI 评分58
AWS 发布 SageMaker AI 多轮强化学习实操指南，gpt-oss-20b 解词率从 61% 升至 84%
Multi-Turn Reinforcement Learning on Amazon SageMaker AI: A hands-on guide
AI 导读
AWS 发布在 Amazon SageMaker AI 上做多轮强化学习（MTRL）的端到端实操指南，用 Wordle 演示训练 gpt-oss-20b 在留出词上的解词率从 61% 提升到 84%。
借鉴点
能拿走一套多轮 RL 流水线，Agent 与奖励函数同文件部署到 AgentCore，数据集只放任务不放轨迹，奖励按结果主导加小幅 shaping；代价是训练 token 费用约 339 美元、AgentCore 另计约 79 美元，且训练中不能重新部署 agent。
来源：AWS Machine Learning Blog · aws.amazon.com