AWS 发布 SageMaker AI 多轮强化学习实操指南

2026年10月24日，AWS Machine Learning Blog 发布在 Amazon SageMaker AI 上进行多轮强化学习（MTRL）的实操指南。据该报道，指南覆盖端到端流程：将智能体与奖励部署到 AgentCore、准备数据集、训练、在 MLflow 中监控，以及在服务设置下评估。训练任务由 AgentCore 托管的智能体完成整局任务后只回传一个结果奖励，再用 GRPO 更新 LoRA 适配器。报道称，用户的数据集、智能体和训练好的模型保留在用户自己的 AWS 账户中，不会被用于训练基础模型；AgentCore 运行时按智能体使用的 vCPU 和内存单独计费；MLflow 应用为必需项，若尚未创建，需先用 aws sagemaker create-mlflow-app 创建；与训练验证不同，评估时可以设置 temperature。目前该事件仅有这一篇一手报道，尚无后续跟进报道，也未出现数字或说法上的前后矛盾。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。