Amazon SageMaker AI 多轮强化学习实操指南

AWS 详细介绍了在 Amazon SageMaker AI 上利用多轮强化学习（MTRL）微调多步骤 AI 智能体的端到端方案。该流程结合 Amazon Bedrock AgentCore 与 GRPO 算法，在 Wordle 任务中以约 $339 的训练 Token 成本，将开源模型 GPT-OSS-20B 的解题成功率从 61% 提升至 84%。