AWS发布SageMaker AI多轮强化学习指南

2026年10月24日，AWS Machine Learning Blog发布Amazon SageMaker AI多轮强化学习实战指南，以Wordle智能体演示从部署Agent及奖励机制、准备数据集，到训练、MLflow监控和按服务配置评估的完整流程。文章称，在默认推理强度下，gpt-oss-20b对留出单词的解决率由61%提升至84%，训练token成本约339美元，AgentCore运行时另约79美元；文中评估任务约耗时1小时，token成本约1.20美元。写作时支持的基础模型均使用LoRA适配器训练；训练任务须与AgentCore运行时ARN位于同一区域，否则CreateJob会拒绝。仓库启动器因默认仅允许一个评估作业而串行运行评估，可申请提高配额。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。