官方來源· AWS Artificial Intelligence· AI· 發布於 2026年10月2日

AWS 示範以 SageMaker AI 多輪強化學習微調搜尋代理

AWS 分享以 Amazon SageMaker AI 多輪強化學習（The MTRL）微調 Qwen3.6-27B 搜尋代理的案例。代理使用 BM25 與向量搜尋工具，並在多輪互動中決定搜尋內容、檢索策略與停止時機。

完整報導

AWS 於 2026 年 10 月 2 日發布的技術文章，介紹如何運用 Amazon SageMaker AI 的多輪強化學習（The MTRL）微調大型語言模型搜尋代理。案例採用 Qwen3.6-27B；代理可在多輪互動中決定要查詢什麼、採用哪種檢索策略，以及何時停止，並透過反覆調整搜尋方式完成任務。

範例企業搜尋代理配備 BM25 詞彙搜尋與向量搜尋工具。AWS 說明，The MTRL 會以多輪 rollout 產生訓練資料，並提供可自訂獎勵、工具迴圈與對話形式的代理—環境介面；其執行採無伺服器方式、按 token 計費，不必自行配置或管理 GPU 叢集。

AWS 先前於 2026 年 7 月概述過 The MTRL 的代理訓練流程；這篇新文章則把方法落到搜尋任務案例。訓練後，The MTRL 評估工作可回報 reward、pass@k 與軌跡指標，再部署至 Amazon SageMaker AI endpoint 或 Amazon Bedrock。文章也指出，範例所用 Qwen3.6-27B 在 US West（Oregon）AWS Region（us-west-2）獲支援。

為什麼值得注意

這篇文章提供 The MTRL 如何用在多輪搜尋代理上的具體實例，並交代其檢索工具、訓練方式與評估至部署的流程，讓讀者能辨識它與一般單輪模型微調的差異。

來源證據

先看主要證據，再查看佐證來源與來源脈絡。

1 則

主要證據

官方AWS Artificial Intelligence文件2026/10/2原始來源
Fine-tune a search agent with multi-turn RL on Amazon SageMaker AI
Huibin Shen
“Fine-tuning teaches a small search agent your tools and environment, giving it the reliability of a frontier model at lower latency and cost. In this post, we fine-tune an LLM-powered search agent with multi-turn reinforcement learning (MTRL) on Amazon SageMaker AI and share the gains we measured in retrieval quality and reliability.”

官方原始聲明

查看官方原始來源

返回 Live Feed 探索更多情報