AWS 在 SageMaker AI 上用多轮 RL 微调搜索智能体

2026 年 10 月 2 日，AWS Machine Learning Blog 发布文章，介绍在 Amazon SageMaker AI 上用多轮强化学习（MTRL）微调由 LLM 驱动的搜索智能体。文章称，微调的作用是让一个小型搜索智能体学会使用使用者自己的工具和环境，从而以更低的延迟和成本获得前沿模型那样的可靠性。

按照文章的描述，这套做法把微调与多轮强化学习结合在一起：智能体在多轮交互过程中学习调用给定的工具与环境，而不只是停留在单轮问答。AWS 表示，他们在这套设置下测得了检索质量与可靠性上的提升。

截至目前的材料中，文章没有给出具体使用的模型名称、参数规模、评测基准、延迟或成本数字，也没有说明实验所用工具和环境的具体构成，公开的结果仅为 AWS 自测的检索质量与可靠性提升。

这是该事件目前收到的唯一一篇报道，来源是 AWS 官方博客，属于厂商自述的技术分享，尚无独立的第三方复现或评测。事情停在这一步：AWS 已经公开了在 Amazon SageMaker AI 上以 MTRL 微调搜索智能体的方法，以及其自报的检索质量与可靠性提升。