在 Amazon SageMaker AI 上用多轮强化学习微调搜索智能体

Amazon SageMaker AI 推出多轮强化学习（MTRL）能力，用于微调搜索智能体。该方法以 Qwen3.6-27B 为基座模型，通过 BM25 与向量搜索两种工具，在 FRAMES、BRIGHT 和 Enterprise RAG 数据集上训练，支持 PPO、CISPO 等算法及无服务器按 token 计费，旨在以小型模型的成本获得接近前沿模型的检索可靠性。