在 Amazon SageMaker AI 上利用多轮强化学习微调搜索智能体实践

AWS 团队介绍了利用 Amazon SageMaker AI 多轮强化学习（MTRL）微调搜索智能体的方法，并以 Qwen3.6-27B 进行了实测验证。该方案采用 nDCG@10 设定轨迹级奖励并将超限失败惩罚设为 -1，在仅调整 3 个超参数的默认配置下完成训练。