热点事件持续更新
SageMaker AI 多轮 RL 微调搜索智能体
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年10月2日，AWS Machine Learning Blog 报道，Amazon SageMaker AI 的多轮强化学习（MTRL）被用于微调 Qwen3.6-27B 搜索智能体。报道称，其训练环境提供 BM25 词法搜索与向量搜索两个工具；MTRL 以多轮 rollout 生成数据，并结合 PPO、CISPO、IS 等策略梯度算法优化。报道还提到该方案支持 serverless 按 token 计费、异步 rollout 与训练续跑，并可在 MLflow 中逐轮查看轨迹与奖励。目前报道为最新进展，尚未见到后续更新或与之矛盾的说法。
AI 根据报道生成 · 52 分钟前更新
最新进展10月2日 23:44
SageMaker AI 的 MTRL 被用于微调 Qwen3.6-27B 搜索智能体。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- AWS Machine Learning Blog在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体
Amazon SageMaker AI 的多轮强化学习（MTRL）被用于微调 Qwen3.6-27B 搜索智能体，训练环境提供 BM25 词法搜索与向量搜索两个工具。MTRL 以多轮 rollout 生成数据并结合 PPO、CISPO、IS 等策略梯度算法优化，支持 serverless 按 token 计费、异步 rollout 与训练续跑，并可在 MLflow 中逐轮查看轨迹与奖励。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。