AWS Machine Learning Blog· Daniel Quang·· 3 小时前AI 评分26
在 Amazon SageMaker AI 上进行多轮强化学习（MTRL）：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）让模型在智能体多步任务中按最终结果获得奖励，而非依赖单步标注。示例中 gpt-oss-20b 在 Wordle 上的求解率从 61% 提升至 84%（默认推理强度），低推理强度下从 15% 提升至 69%，训练 token 成本约 339 美元。
来源：AWS Machine Learning Blog · aws.amazon.com