AWS Machine Learning Blog· Daniel Quang·· 3 小时前AI 评分36
在 Amazon SageMaker AI 上做多轮强化学习（MTRL）：实战指南
Multi-Turn Reinforcement Learning on Amazon SageMaker AI: A hands-on guide
AI 导读
Amazon SageMaker AI 的多轮强化学习（MTRL）用整局结果作为奖励信号训练智能体，示例中把 gpt-oss-20b 在 Wordle 留出词上的解出率从 61% 提升到 84%（默认推理强度），低推理强度下从 15% 提升到 69%，训练 token 成本约 $339。
来源：AWS Machine Learning Blog · aws.amazon.com