在 Amazon SageMaker AI 上进行多轮强化学习：实操指南
Multi-Turn Reinforcement Learning on Amazon SageMaker AI: A hands-on guide
- 谁
- Daniel Quang and coauthors
- 引文
In this post, we walk through the pipeline end-to-end: deploying the agent and reward to AgentCore, preparing the dataset, training, monitoring in MLflow, and evaluating at serving settings.
发生了什么
AWS 提供了一份端到端指南，介绍如何在 Amazon SageMaker AI 上进行多轮强化学习，并使用托管在 Amazon Bedrock AgentCore 上的 Wordle 智能体。训练将 gpt-oss-20b 在留出集上的求解率从 61% 提高到 84%（采用服务配置），训练令牌成本约为 339 美元，运行时用量成本约为 79 美元。该指南涵盖部署、奖励设计、监控、评估以及训练中遇到的失败。
推荐理由
训练验证结果与服务结果之间的差距表明，多轮强化学习评估应与部署设置保持一致，因为解码选项会显著改变测得的成功率。
接下来读什么
查看这件事的完整进展AWS 发布多轮强化学习指南及 Wordle 训练结果这件事到目前为止
Daniel Quang 及其合著者发布了一份关于在 Amazon SageMaker AI 上进行多轮强化学习的实操指南。他们报告称，在服务设置下评估时，其 Wordle 训练示例将 gpt-oss-20b 在留出集上的解题率从 61% 提高到 84%。作者报告称，该示例的训练 token 成本约为 339 美元，运行时使用成本约为 79 美元。 该教程使用部署在 Amazon Bedrock AgentCore 上的 Wordle 智能体，涵盖智能体和奖励函数的部署、数据集准备、训练、在 MLflow 中监控，以及对训练后模型进行评估。它还介绍了奖励设计和训练过程中遇到的失败，为读者提供了该流程及其实践挑战的完整示例。
每天一封，跟上 AI 的重要变化
模型发布、价格变化、算力进展，附原始来源。免费，确认后开始发送，随时一键退订。 看一份往期日报 · 2026-10-23