AWS 详解 SageMaker AI 多轮 RL 微调搜索智能体流程

2026年10月2日，AWS Machine Learning Blog 发布技术文章，AWS 工程师详细介绍了使用 Amazon SageMaker AI MTRL（Multi-Turn Reinforcement Learning）框架微调 Qwen3.6-27B 模型作为搜索智能体的完整技术流程。该流程涵盖三个核心环节：数据集选择策略、reward 函数设计以及训练配置优化。在 reward 函数设计方面，文章重点介绍了采用 nDCG@10（Normalized Discounted Cumulative Gain at 10）作为评估指标，用于衡量搜索结果相关性排序质量。MTRL 框架支持多轮强化学习训练，使模型能够通过与环境交互持续优化搜索策略。AWS 工程师表示，该方案可帮助企业快速构建基于大模型的智能搜索系统，降低从零训练搜索智能体的技术门槛。目前该技术方案已在 AWS 官方博客公开，供开发者参考实施。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。