AWS 发布 SageMaker AI 多轮强化学习实操指南

AWS 发布在 Amazon SageMaker AI 上做多轮强化学习（MTRL）的实操指南，训练任务通过 AgentCore 托管的智能体执行多轮动作，按整局结果给奖励。示例中 gpt-oss-20b 在留出词上的解谜率从 61% 提升到 84%，训练 token 花费约 339 美元。文章还给出奖励设计的两处反转错误和训练中遇到的失败，并建议在服务时的设置下做评测。