AWS发布SageMaker多轮强化学习指南

AWS发布Amazon SageMaker AI多轮强化学习（MTRL）Wordle实践指南，以整段任务结果训练Agent策略模型，并说明部署、数据准备、MLflow监控及服务端评估流程。SageMaker AI负责训练任务和策略模型，Amazon Bedrock AgentCore承载Agent、Wordle环境与奖励函数。 AWS称，在其100步实验中，gpt-oss-20b在留出单词上的默认推理解题率由61%升至84%；按训练所用低推理强度评估时由15%升至69%。该实验完成105,486次rollout，耗时12小时40分钟，消耗约3.39美元的训练Token。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。