AWS 发布 SageMaker AI 多轮强化学习实操指南

AWS 发布在 Amazon SageMaker AI 上进行多轮强化学习（MTRL）的实操指南：训练任务通过 AWS Lambda 转发，调用托管在 Amazon Bedrock AgentCore 上的智能体；智能体多轮行动后返回单一结果奖励，再用 GRPO 更新 LoRA 适配器。 指南称，目前支持若干基础模型，每个模型均以 LoRA 适配器训练；使用前需先创建 MLflow 应用（可用 aws sagemaker create-mlflow-app），训练与评估在 MLflow 中监控。与训练验证不同，评估时可设置 temperature。 指南中的启动脚本会连续运行评估，因为默认配额一次只允许一个评估任务，用户可申请提高配额。

AI 根据报道生成 · 21 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。