AWS介绍用SageMaker AI多轮强化学习微调搜索Agent方案

2026年10月2日，AWS Machine Learning Blog发文介绍了在Amazon SageMaker AI上使用多轮强化学习（MTRL）微调Qwen3.6-27B模型以构建企业搜索智能体的方法。该方案利用SageMaker AI MTRL支持的Serverless执行机制及内置的PPO、GRPO等算法，使模型在限定轮次内自主调用BM25与向量检索工具，直接优化跨多轮交互决策。根据报道中的条件说明，运行该实践需拥有访问美国西部（俄勒冈，us-west-2）区域Amazon SageMaker AI的AWS账户；所微调的Qwen3.6-27B模型在俄勒冈区域受支持；此外，MTRL服务默认设有24小时的时间限制，用户可通过CreateJob的JSON schema进行调整。

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。