AWS 发布 SageMaker AI 多轮强化学习实操指南

2026年10月24日，AWS Machine Learning Blog 发布 Amazon SageMaker AI 多轮强化学习（MTRL）端到端实操指南，以 Wordle 为例训练 gpt-oss-20b。报道称，在默认推理强度下，留出词解出率从 61% 提升到 84%，训练 token 成本约 339 美元。流程包括将智能体与奖励部署到 AgentCore、准备数据集、训练、在 MLflow 中监控，以及在服务设置下评估。指南要求先创建 MLflow 应用（aws sagemaker create-mlflow-app）；仓库启动器会连续运行评估，因为默认配额一次只允许一个评估作业（可申请提高）；作业运行期间不要重新部署智能体；数据集、智能体和训练模型保留在用户 AWS 账户中，不用于训练基础模型。目前进展为指南发布，暂无后续跟进报道。

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。