在 Amazon SageMaker AI 上用多轮强化学习微调搜索智能体

AWS 介绍了在 Amazon SageMaker AI 上用多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体的方法。MTRL 通过多轮 rollout 生成训练数据并以策略梯度优化模型，支持 PPO、CISPO、GRPO 等算法和 serverless 执行，并提供基于 MLflow 的轨迹可观测性。