// AI 新闻 · 2026-10-24 · AWS Machine Learning Blog
基于Amazon SageMaker的多轮强化学习实践
AWS在Amazon SageMaker AI中推出多轮强化学习（MTRL）功能，支持在Amazon Bedrock AgentCore上训练代理模型完成序列化任务。该方案通过代理与环境交互，每回合结束后返回单一奖励信号，实现对多步决策过程的优化。以Wordle游戏为例，使用gpt-oss-20b模型，在默认推理强度下解题率从61%提升至84%，低强度下从15%提升至69%。训练过程中通过Group Relative Policy Optimization（GRPO）算法更新LoRA适配器，所有数据和模型均保留在用户AWS账户内，不参与基础模型训练。
原文发布 2026-10-24 01:48（北京时间）来源 AWS Machine Learning Blog自动整理 · 已核对原文
01摘要
系统分为两部分：SageMaker AI负责训练任务与策略模型，AgentCore托管代理、游戏环境及奖励函数。每轮运行中，代理调用策略模型进行猜测，根据反馈更新状态，并在任务结束时返回奖励。训练数据仅包含隐藏词，奖励设计强调最终结果，解题按速度给予1.05–1.55分，失败得-0.5分，无效猜测得-1.5分，同时加入策略引导项。服务为无服务器架构，用户选择基础模型后由系统自动配置资源，训练成本按预填充、采样和训练三类token计费，总花费约339美元。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- MTRL在Amazon SageMaker AI上实现多步任务的端到端训练，代理通过与环境交互获取奖励信号。
- 以gpt-oss-20b为基础模型，在Wordle任务中解题率从61%提升至84%，低强度下从15%升至69%。
- 训练成本约339美元，按预填充、采样和训练三类token计费，其中训练token占比最高。
- 系统支持LoRA适配器更新，代理与奖励函数部署于AgentCore，数据与模型均在用户AWS账户内保留。
03原文出处
Multi-Turn Reinforcement Learning on Amazon SageMaker AI: A hands-on guide
AWS Machine Learning Blog · 发布于 2026-10-24 01:48（北京时间） · 上方为原标题
05同主题新闻
- 大众集团大规模部署Copilot赋能员工2026-10-24 · Microsoft Source
- NVIDIA TensorRT 11.1 引入全局性能调优功能2026-10-24 · NVIDIA
- Snowflake提出四维框架衡量AI真实价值2026-10-24 · Snowflake Blog
- Spark声明式管道提升数据流水线效率与安全性2026-10-24 · Databricks Blog
- Databricks 实现能源交易实时分析一体化2026-10-24 · Databricks Blog
- 使用AWS CDK实现SageMaker端点自动扩展的自动化管理2026-10-24 · AWS Machine Learning Blog
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 全部 AI 新闻 · 今日