在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体

亚马逊在 Amazon SageMaker AI 上推出多轮强化学习（MTRL）能力，用于微调搜索智能体，并以 Qwen3.6-27B 为例完成训练。MTRL 将智能体任务建模为多轮决策序列，通过多轮 rollout 生成数据并用策略梯度优化，支持 PPO、CISPO、IS 损失与 GRPO 等优势估计器。