热点事件持续更新
SageMaker AI 多轮 RL 微调搜索智能体
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月2日，AWS Machine Learning Blog 发布文章，介绍在 Amazon SageMaker AI 上使用多轮强化学习（MTRL）微调搜索智能体的方法。该方案训练 Qwen3.6-27B 模型，使其在 BM25 词法搜索与向量搜索两个工具之间自主决策。MTRL 以多轮 rollout 生成数据，并用策略梯度进行优化，支持 PPO、CISPO、IS 损失与 GRPO 等优势估计器。平台同时提供无服务器按 token 计费、异步 rollout、可恢复训练，以及通过 MLflow 观测轨迹与奖励。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- AWS Machine Learning Blog在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体
在 Amazon SageMaker AI 上可用多轮强化学习（MTRL）微调搜索智能体，训练 Qwen3.6-27B 在 BM25 词法搜索与向量搜索两个工具间自主决策。MTRL 以多轮 rollout 生成数据、用策略梯度优化，支持 PPO、CISPO、IS 损失与 GRPO 等优势估计器，并提供无服务器按 token 计费、异步 rollout、可恢复训练及 MLflow 轨迹与奖励观测。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。