AWS Machine Learning Blog· Daniel Quang·· 4 小时前AI 评分47
Amazon SageMaker AI 上的多轮强化学习：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）以整个任务序列的最终成败为奖励信号，用 GRPO 更新 LoRA 适配器来训练智能体。在 Wordle 示例中，MTRL 将 GPT-OSS-20B 在预留词上的解题率从 61% 提升到 84%（低推理强度下从 15% 升至 69%），训练 token 成本约 $339。
来源：AWS Machine Learning Blog · aws.amazon.com