在 Amazon SageMaker AI 上使用多轮强化学习微调搜索智能体

AWS 展示了如何在 Amazon SageMaker AI 上使用多轮强化学习（MTRL）微调 Qwen3.6-27B 模型，以打造高效的企业搜索智能体。SageMaker AI MTRL 支持 Serverless 执行并内置 PPO、GRPO 等算法，使模型在受限轮次内自主调用 BM25 与向量检索工具，直接优化跨多轮交互决策。