Amazon SageMaker AI 上的多轮强化学习：实践指南

Amazon SageMaker AI 推出多轮强化学习（MTRL）实践指南，通过 AgentCore 训练模型在多步骤任务中学习完整序列的反馈。MTRL 将 gpt-oss-20b 的解题率从默认推理努力下的 61% 提升至 84%，在低努力训练下从 15% 提升至 69%，训练成本约 $339。该方法适用于企业专属的多步骤任务，所有数据和模型均保留在 AWS 账户内，不用于训练基础模型。