在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体

AWS 介绍如何用 Amazon SageMaker AI 的多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，该智能体配备 BM25 词法搜索与向量搜索两个工具。MTRL 以多轮 rollout 生成训练数据、用策略梯度优化模型，支持 PPO、CISPO 等算法与 GRPO 等优势估计器，并提供无服务器执行、异步 rollout、可恢复训练及 MLflow 轨迹观测。