AWS Machine Learning Blog· Huibin Shen·· 7 天前精选AI 评分36
在 Amazon SageMaker AI 上用多轮强化学习微调搜索 Agent
Fine-tune a search agent with multi-turn RL on Amazon SageMaker AI
AI 导读
AWS 团队在 Amazon SageMaker AI 上用多轮强化学习微调 Qwen3.6-27B 搜索 Agent，以 nDCG@10 作为轨迹级奖励。微调后 BrowseComp-Plus 的 nDCG@10 提升 23.7%、失败率从 22.89% 降至 0.68%，WixQA 与 Wands 也分别提升 18.4% 与 6%。
推荐理由
给出在 Amazon SageMaker AI 上用多轮强化学习微调搜索 Agent 的方法、配置与结果，可作为多轮 Agent 训练的参考。
来源：AWS Machine Learning Blog · aws.amazon.com