AWS 发布 SageMaker AI 多轮强化学习实战教程

AWS 在其机器学习博客发布 Amazon SageMaker AI 多轮强化学习（MTRL）端到端实战教程：以整个任务序列的最终成败作为奖励信号，用 GRPO 算法更新 LoRA 适配器来训练智能体，覆盖将智能体与奖励部署到 AgentCore、数据准备、训练、MLflow 监控及按服务设置评估的完整流程。 教程以 Wordle 为示例：AWS 称 MTRL 将 GPT-OSS-20B 在预留词上的解题率从 61% 提升至 84%，低推理强度下从 15% 升至 69%，训练 token 成本约 339 美元。 按教程列出的条件，费用按每百万 token 三个维度计、价格随基座模型而定；数据集、智能体和训练后的模型留在用户 AWS 账户内，不用于训练基座模型；训练作业必须与运行时 ARN 同在一个区域；评估作业默认配额为一次一个，可申请提升。

AI 根据报道生成 · 2 小时前更新