AWS 发布多轮强化学习指南及 Wordle 训练结果

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。

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。