热点事件持续更新

AWS发布SageMaker多轮强化学习实操指南

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

AWS 在 SageMaker AI 上发布多轮强化学习（MTRL）端到端实操指南，用 Wordle 游戏演示只给结果打分、不给正确轨迹来训练智能体。训练时 SageMaker AI 通过 Lambda 转发器把任务发给托管在 Amazon Bedrock AgentCore 上的智能体，智能体调用正在训练的策略模型多轮行动，回合结束后返回一个奖励，再由 GRPO 更新策略模型上的 LoRA 适配器。示例中 gpt-oss-20b 在默认推理强度下对留出单词的解决率从 61% 提升到 84%，在训练所用的低推理强度下从 15% 提升到 69%。100 步训练消耗约 12.95 亿 token、约 339 美元，AgentCore 运行时另计约 79 美元。文章还披露了奖励设计的常见错误，例如按每步得分求和会让失败局拿到正奖励、首猜解出反而低于第三猜解出，并给出以结果为主、塑形项受限的修正方案。指南要求使用 MLflow 应用，没有则需先用 aws sagemaker create-mlflow-app 创建；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。AWS 称用户的数据集、智能体和训练出的模型保留在用户 AWS 账户中，不用于训练基础模型。

AI 根据报道生成 · 1 小时前更新

最新进展10月24日 01:48

AWS 发布 SageMaker AI 多轮强化学习实操指南

报道时间线

沿着报道，了解事件的不同侧面。

10月24日

01:48
AWS Machine Learning Blog
AWS 发布 SageMaker AI 多轮强化学习实操指南
AWS 在 SageMaker AI 上给出多轮强化学习（MTRL）的端到端实操指南，用 Wordle 游戏演示如何只给结果打分、不给正确轨迹来训练智能体。训练时 SageMaker AI 通过 Lambda 转发器把任务发给托管在 Amazon Bedrock AgentCore 上的智能体，智能体调用正在训练的策略模型多轮行动，回合结束后返回一个奖励，再由 GRPO 更新策略模型上的 LoRA 适配器。示例中 gpt-oss-20b 在默认推理强度下对留出单词的解决率从 61% 提升到 84%，在训练所用的低推理强度下从 15% 提升到 69%，100 步训练消耗约 12.95 亿 token、约 339 美元，AgentCore 运行时另计约 79 美元。文章还披露了奖励设计的常见错误，例如按每步得分求和会让失败局拿到正奖励、首猜解出反而低于第三猜解出，并给出以结果为主、塑形项受限的修正方案。

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。