AWS Machine Learning Blog· Huibin Shen·· 2 天前精选AI 评分65
AWS 使用 Amazon SageMaker AI 多轮强化学习微调搜索智能体
Fine-tune a search agent with multi-turn RL on Amazon SageMaker AI
AI 导读
AWS 使用 Amazon SageMaker AI 多轮强化学习，将 Qwen3.6-27B 微调为搜索智能体，并在四个留出测试集上评估检索质量与可靠性。微调后，BrowseComp-Plus 的 nDCG@10 提升 23.7%，失败率从 22.89% 降至 0.68%；WixQA 和 Wands 的 nDCG@10 也有所提升，FreshStack 则略有下降。
推荐理由
文章展示了多轮强化学习如何用最终检索质量作为奖励训练搜索智能体，并以四个测试集的结果呈现效果差异。
来源：AWS Machine Learning Blog · aws.amazon.com